A..F.F.

Dner Sermaye I letmesi Yay nlar No: 62

STATiST KSEL
KAL TE KONTROL

Dr.Tayfun

ZDEMIR

NSZ
Gnmzde bilgi teknolojilerine olan ihtiyalara gre zm amal bir ok sistemler geli tirilmektedir. Kalite kavrammm gncel oldu u gnmzde geli meyi ve kendini yenilemeyi hedefleyen kurum ve kurulu lar bu kavram ve uygulamalar ile yak ndan ilgilenmektedirler. Kalite kontrolu , bir ok bilimlerde zellikle istatistik konular nda gvenilir verilerin toplanmas ve retilmesi a amalar nda byk nem ta maktad r. Kalite kontrolun amac ; en az maliyetle do ru veri retmek, sreci takip etmek ve kt y do ru belirlemektir. " statistiksel Kalite Kontrolu" ise kalite kavram iinde nemli bir yap tad r. Bu amala kaliteyi say sal olarak belirlemek, izlemek ve de ifade etmek nemlidir. Bu kitapta Kalite, Kalite Kontrolu ve statistiksel Kalite Kontrolunun temel kavramlar , bilgileri ve uygulamalar na ver verildi. Birinci blmde "Kalite kavram na ve geli imi"ne yer verildi. kinci ve nc blmlerde ilk defa kullan c olacaklara ynelik "istatistik Temel Bilgileri" verildi. Drdnc blmde gnmzde "Kalite Ynetiminde" hedef al narak kullan lan "Geleneksel Kontrol Teknikleri" ne yer verildi. Be inci ve Alt nc blmlerde ise gnmzde istatistiksel a rlyla kalite kavram zerine al anlar n anlamakta ve al makta zorluk duydu u ve sreci istatistiksel ynden izlemeye ve denetlemeye yarayan "Kontrol Grafikleri" ve "Kabul rneklemesi" konular na ynelik a klay c bilgiler verildi. Yedinci blmde "Gvenilirlik" kavram , Sekizinci blmde ise "SPSS Paket Program yla Kalite Kontrol Uygulamalar " na yer verildi. statistiksel Kalite Kontrolu bilinmeden Kalite'nin saptanamayaca n , ya at lamayaca m ve geli tirilemeyece ini d nmekteyim. Kitab m n kalite ve kontrolu ile ilgilenen herkeze faydal olmas n diliyorum. A ustos 2000, Ankara Dr.Tayfun ZDEMIR

 NDEKLER 1. BLM : KAL TE , KAL TE KONTROLU VE GEL S M 1.1 Tarihe 1.2 Kalite Evrimi ve nl ahsiyetleri 1.3 Kalite ve Kalite Kavram 1.4 Kalite Kontrolu 1.5 Toplam Kalite Kontrolu 1.6 Toplam Kalite Ynetimi 1.7 nemli Kalite Kurulu lan 1.8 statistiksel Kalite Kontrolu 1.9 Kalite Kontrolunda Temel Amalar 1.10 Kalite Kontrolunda Kullan lan Genel Yntemler 1.11 Kalite Kontrolunda Kullan lan statistiksel Yntemler 1.11.1 Kalite kontrolunda istatisti in nemi 1.11.2 Kalitenin ls 1.11.3 Kalitenin matematiksel ifadesi

Sayfa

3 4 5 7 7 8 11 12 13 13 14 14 16

2. BLM : KAL TE KONTROLUNDA STAT STK B LG S - I 2.1 statisti e Giri , Temel Tan m ve Kavramlar 2.2.1 Tan mlay c (Betimleyici) istatistik 2.2.2 Yorumlay c (Vardamal ) istatistik 2.3 Verilerin Elde Edilmesi, Dzenlenmesi 2.3.1 Veri trleri 2.3.2 Veri kaynaklar 2.3.3 Veri toplama teknikleri 2.3.3.1 Odaldanm grup gr mesi 18 19 19 20 21 21 22 22

23.3.2 Telefon gr mesi 2.3.3.3 Mektupla anket uygulamas 2.3.3.4 Yzyze yap lan anket 2.3.3.5 Al veri grmeleri 2.3.3.6 Form doldurtmak 2.3.3.7 Gzlem yapmak 2.2.2.8 Ki isel gr meler 2.3.4 rnekleme erevesi, ana kitle ve meklem 2.3.5 rnekleme teknikleri 2.3.5.1 Basit rasgele rnekleme 2.3.5.2 Sistematik rnekleme 2.3.5.3 Tabakal rnekleme 2.3.5.4 Kme rneklemesi 2.3.5.5 Monografi tekni i 2.3.5.6 Keyfi rnekleme 2.3.5.7 Kota rneklemesi 2.4 Verilerin Dzenlenmesi ve S kl k Tablolar 2.4.1 S kl k da l mlar 2.4.2 S klk da lunlamun olu turulmas 2.5 Istatistik Verilerinin Tablo ve Grafilderle Sunulmas 2.5.1 Histo ram 2.5.2 S kl k okgeni-poligonu 2.5.3 Daire grafi i 2.5.4 Stun ve ubuk grafikleri

22 23 23 23 23 23 23 24 25 25 26 26 26 26 27 27 27 27 29 30 30 31 32 34

3. BLM : KALITE KONTROLUNDA ISTATISTIK BILGISI - II

3.1 Giri 3.2 Merkezi E ilim lleri 3.2.1 Aritmetik ortalama 3.2.1.1 Basit sende aritmetik ortalama 35 36 36 36

ilt

3.2.1.2 S mfland r lm verilerde aritmetik ortalama 3.2.2 Ortanca(Medyan) 3.2.2.1 Basit sende ortanca 3.2.2.2 S mfland nlm verilerde ortanca 3.2.3 Tepe de eri (Mod) 3.2.3.1 Basit sende tepe de eri 3.2.3.2 S n fland nlm verilerde tepe de eri 3.3 De i im lleri 3.3.1 De i im geni li i 3.3.2 Mutlak sapma 3.3.3 Varyans ve standart sapma 3.3.3.1 Basit sende standart sapma 3.3.3.2 S rufland r lm sende standart sapma 3.3.4 De i im katsay s 3.3.5 Konu ile ilgili problemler 3.4 Olas lk Kuramma Giri 3.4.1 Baz nemli kavramlar 3.4.2 Olas l n tan m 3.4.3 Olas l n aksiyomlan 3.4.4 artl (ko ullu) olas l k ve ba ms zl k 3.4.5 Konu ile ilgili problemler 3.5 Baz nemli Olas l k Da l mlan 3.5.1 Binom blnmesi 3.5.2 Poisson Blnmesi 3.5.3 Hipergeometrik blnme 3.5.4 Normal blnme 3.5.5 Standart normal blnme (z blnmesi) 3.6 Bir Da l m n Normalli ini Bozan Nedenler 3.7 Kalite Kontrol Uygulamalar

36 38 38 39 40 41 41 42 42 42 43 44 44 45 46 47 47 49 50 51 52 53 53 55 57 58 60 64 65

4, BLM : GELENEKSEL KAL TE KONTROL TEKN KLER 4.1 Giri 4.2 Pareto Analizi 4.3 Neden-Sonu Analizi 4.4 Tabakalama(Grupland rma) 4.5 Serpilme Diya ram 69 70 72 76 76

5. BLM : KONTROL GRAF ICLER

5.1 Sistem Kavram 5.1.1 Dinamik Sistem Modeli 5.1.2 Sre(Proses) 5.1.3 Sre kontrolu 5.1.4 statistiki sre kontrolu 5.1.5 statistiki kalite kontrolu ile stn kaliteye ula labilirmi? 5.2 statistiki nemlilik Testi 5.3 Kontrol Grafi i Kavram 5.3.1 Kontrol grafi inin ortaya k 5.3.2 Kontrol grafiklerinin esas 5.3.3 Kontrol grafiklerinde sz konusu de i kenlikler 5.3.4 Kontrol grafikleri kullan mnda bilinmesi gerekli nemli kavramlar 5.4 Kontrol Graflderinin Yap s 5.4.1 Kontrol grafi inin n haz rl klar 5.4.2 Kontrol grafi i olu turma i lemleri ve e itleri 5.5 llebilir De i kenler iin Kontrol Grafilderi 5.5.1 Standartlar belli iken llebilir zellikler iin kontrol uafikleri 82 82 83 85 85 86 86 88 88 89 89 91 94 95 96 97 99

5.5.2 Standartlar belli de il iken llebilir zellikler iin kontrol 103 graf kleri 5.5.3 Grafiklerin yorumlanmas 5.6 Sre Yeterlilik Analizi 5.6.1 Tolerans s n rlarn n seimi 5.6.2 Sre yeterlili i 5.7 llemeyen zellikler(Nitelikler) iin Kontrol Grafilderi 5.7.1 Standartlar biliniyorsa ; P- graf i 5.7.2 Standartlar bilinmiyorsa ; P-graf i 5.7.3 Standartlar biliniyorsa ; d grafi i 5.7.4 Standartlar bilinmiyorsa ; d grafi 5.7.5 Standartlar biliniyorsa ; c grafi i 5.7.6 Standartlar bilinmiyorsa ; c grafi i 5.5.7 U(Birim ba na kusur say s ) kontrol grafi i 5.7.8 Srecin kontrol d nda olmas 5.8 Kmlatif Toplam (CuSUM) Kontrol Graf i 5.8.1 CuSUM grafiklerinin dzenlenmesi ve yorumlanmas 5.8.2 V-Maskesi dzenlenmesi ve yorumlanmas 5.8.3 V-Maskesini olu turmadaki alternatif zmler 112 116 116 119 134 134 138 142 143 145 147 150 154 155 156 158 160

6. BLM : KABUL RNEKLEMES

6.1 Kabul meldemesi 6.2 Muayene ve Numune Alma 6.3 Muayene Trleri 164 165 166

6.4 Nitel ve llebilen zelliklere Gre Yap lan Kabul Muayene ve Deneylerde Uygulanan Deneyler in Haz rlay c "Kavram ve 169 Tanmla?' 171 6.5 retici ve Tketici Riski

VI

6.6 al ma Karekteristi i-K Plan E risi 6.7 Kabul rneklemesinde Kullan lan Plan e itleri 6.7.1 Tek katl (Tekli) rnekleme plan 6.7.2 ift kath(lkili) rnekleme plan 6.7.3 ikiden ok katl rnekleme planlar 6.7.3.1 katl rnekleme plan 6.7.3.2 ok katl rnekleme plan 6.7.4 Ard k rnekleme plan 6.7.5 Di er rnekleme planlar 6.8 rnekleme Planlar n De erlendirme Teknikleri 6.8.1 Ortalama k kalitesi ve s nr 6.8.2 Ortalama rnek say s ve e risi 6.8.3 Ortalama toplam muayene say s ve e risi 6.9 K , OK , OS , OTM E rilerinin kar lat r lmas 6.10 Haz r Kabul rneklemesi Plan Sistemleri 6.10.1 llemeyen zellikler iin rnek alma plan sistemleri 6.10.1.1 TS 2756 / MIL STD-105 Haz r plan sistemi 6.10.1.2 Dodge-Romig Kabul rneklemesi plan sistemi 7. BLM : GfTVEN L RL K ANAL Z 7.1 Giri 7.2 Tanm ve zellikleri 7.3 nemli Fonksiyonlar ve Birbirleriyle Ili kileri 7.4 Fonksiyonlar n Parametrik Olmayan Tahmini

171 176 176 178 183 184 185 186 189 189 189 194 197 199 199 200 200 215 227 229 230 231

YII

8. BLM : SPSS PAKET PRO RAMI LE KAL TE KONTROL UYGULAMALAR' 8.1 Giri 8.2 SPSS'e Giri 8.3 statistik Uygulamalar 8.4 statistik Uygulamalar na Baz rnekler 8.5 SPSS'de Graflder
TABLOLAR (EK: I IX) EK- X : GVEN L RL K EK-XI : ISO 9000 STANDARTLARI

239 239 249 253 261

277 286 300

1. BLM KAL TE , KALTE KONTROLU VE GELI IMI

1.1 Tarihe
Kalite ile ilgili ilk kay tlar M. y llara kadar uzamr Kalitenin bir kavram olarak ortaya kmas 19.yzy la rastlar. Ancak bu dnemden sonrad r ki reticiler kalite bilinciyle, rnlerine kendi markalar n vurmaktan gurur duymaya ba lanu lard r. ngiltere'de bile i i planlamas i i ve ustaba. lanmn elinden al np endstri mhendislerinin kontrolne verilmi ve bylelikle ba lat lan bu uygulama ile, sanayi devriminin tohumlar at lmtr. Kalite geli iminin en nemli ve ilgin a amalar A.B.D ve Japonya'da ya anarak grnmtr.

Dr.W.A. Shewhart, 1924'te ilk "Olas l k izelgesini" ortaya koyarak istatistiksel kalite kontrolnn temelini atm tr. Modern kalite kontrol, ya da imdiki ad yla statistiksel Kalite Kontrolu (KK) 1930'larda yine Bell laboratuarlan ara trmac larndan Dr.W.A. Shewhart' n buluu Olan Kontrol Semalann n endstriyel kullan ma girmesiyle ba lad .
II.Dnya sava nda eldeki retim sistemlerinin yeniden dzenlenmesi sava ncesi ve sava z,amamn n ivedi ihtiyalar na yetmeyince "Kontrol emalan" A.B.D'de bir ok sektrde kullan lmaya ba land . Amerika'da sava y llarmdaki retim, k smen teknolojik geli meleri de h zland ran statistiksel kalite kontroln kullan ma girmesinin etkisiyle, hacim, nitelik ve ekonomik olarak sevindirici olmu tur. II.Dnya sava mn kalite kontrol ve modem istatisti in kullanm sayesinde kazan ld bile sylenebilir. Yine ngiltere'de 1935'te E.S.Pearson'un statistiksel al malarna dayanan ingiliz standartlan-600 'n kullan ma girmesi modern istatisti in kayna olmu tur. ABD'nin Z-I standartlar ingiliz standartlan-1008 ad yla kabul edilmi tir.

2
Istatistiksel kalite kontrolnn varolu u bugnk anlamda kullan ma girmesi Japonya'n n II.Dnya sava yenilgisiyle harap olmas ve A.B.D i gal kuvvetlerinin Japonya topraklar na ayak basmas ve kar lat Japon telekominikasyon sisteminin yetersizli ini giderme al malan ile ortaya kmtr. Japonya ingiliz standartlar - 600den sava ncesi y llarda haberliydi. Bu standartlar sava s ras nda japonca>ya tercme ettirildi. Baz modern istatistik al malar yap ld ysa da matematiksel terimler yznden terimler gncellik kazanamad . O s ralarda japonlar "Taylor metodunu" benimsemekte ve kullanmaktayd lar, ynetimde geriydiler. Taylorizm'e gre yneticilerin karar hakk , alt dzeyin uygulama hakk vard . Gnmzdeki TKY Taylorizm'in tersidir. Japonlar n kalite kontrolu btnyle muayeneye dayanyordu ve her rn s k biimde denetlenemiyordu, ucuz ve kalitesiz retim yap ldndan japonlar maliyet ve fiyat ile rekabet edebiliyorlard . Bylece May s 1946'da Japonya'da istatistiksel kalite kontrol al malar ba lam oldu. Ancak unutulmamal dr ki ; ilk al malar ba ta da belirtildi i zere sava y llar ncesine dayanmaktad r. A.B.D.'lerinde Kalite kontrol ve istatistiksel tekniklerin geli mesine katk da bulunmu uzmanlar; bu tekniklerin i letmelerin tm faaliyetlerinde uygulamas ve kalite ile ilgili sorumluluklann i letmelerin tm blmlerinde slenilmesi gr nde idiler. Dolay s yla ilk etapta Japonya'da telekominikasyon sisteminin yetersizli ini gidermek zere Japonya'ya Amerikadan Kalite uzmanlar getirtilmi tir. Bylece , uzmanlar A.B.D'de fazla itibar grmeyen gr lerini Japonlara aktarma frsat n bulmu lard r. Uzmanlar n 1950'li y llarda Toplam kalite kontrol (TKK) veya Toplam kalite ynetimi (TYK) ad m verdi i bu gr ler Japonlarca benimsenmi ve geli tirilmi tir. ekil 1.1 kalitenin gnmze kadarki yolculu unda gsterdi i a amalan gstermektedir.

Muayene (1.aama) , 1. Kalite Kontrol (2. A ama) . KK Kalite Gvencesi (3.A ama), 'Toplam Kalite (4.aama)
,

ekil 1.1 Kalitenin geli im a amalar

Yine bir ba ka bak a s yla, ekil 1.2 kalitenin a amalar n tarihsel srete gstermektedir.
Ustal kla (1800 -y llar) , I Muayene ile ( 1900-1940) , Srecin kontrol ile ( 1940-1960) , I Srecin tasar m nda (1960 - 1980) , I rn tasar m nda (1980 -

ekil 1.2 Kalitenin tarihsel a amalar

1.2 Kalite Evrimi ve nl ahsiyetleri

H.FORD retim Sisteminde yntem (ABD) W.A.SHEWHART Olas l k izelgesi (ABD) W.VEZLAU ve J.V.TALACKO "Pareto ilkesi" W. SHEWHART istatistiksel Kalite Kontrol (ABD) E.S.PEARSON Endstriyel Standartlar ve Kalite kontrol (ABD) STANFORD Seminerleri H.F.DODGE ve H.G.ROMIG "Numune alma *SAVA YILLARI izelgeleri " A.FEIGENBAUM ve Ekibi "Kalite Maliyetleri" 1950 1950 (JAPONYA) E. DEMNG'in seminerleri (JAPONYA) 1951 ."DEMNG" Kalite dl (JAPONYA) 1952 "Kalite Kontrol" dergisi J. JURAN ; Kalite ynetimin sorumlulu udur. (ABD) 1954 1954 Ulusal radyo ile Japonyada "Kalite E itimi" yaymlan TKK (ABD) 1957 A. FEIGENBAUM K. ISHIKAWA : Formenler iin Kalite kontrol dergisi (JP) 1961 P.CROSBY "S fr Kusurlu" kavram 1961 K. ISHIKAWA : Kalite emberleri (JAPONYA) 1962 1960 ve + G. TAGUCHI : Istatistiksel Deney tasar m (JAPONYA) KOBE STEEL:Quality Function Deployment (JAPONYA) 1969 (JAPONYA) 1970 ve + S. SHINGO POKA-YOKA 1907 1924 1930 1931 1937 1940 (devam) 1970 ve +....G. TAGUCHI Qnality Loss Function 1976 T. OHNO : Toyoto Just In Time Sistemi 1980 ve + G.TAGUCH : Robust Desing 1990 ve + **.YARATILAN KAL TE... **

(JAPONYA) (JAPONYA) (JAPONYA)

1.3 Kalite ve Kalite Kavram

Bir ok ki iye gre kalite, pahal , lks, az bulunur, stn nitelikte ... gibi benzeri anlamlardad r. Baz larna gre kalite, ihtiyaca yeterli biimde cevap verendir. rne in , ok pahal olmayan bir fiyata al nan bir ayakkab bile kullanan ki iye ihtiyac na yeterince cevap vermi se kalitelidir. Kalite ; * nlemdir, * m terinin tatminidir, * verimliliktir, * esnekliktir, * etkili olmakt r, * bir pro rama uymakt r, * bir sretir, * bir yat nmd r, * Kusursuzluk aray ma sistemli bir yakla md r, * Kullan ma uygunluktur. Dr.J.M.JURAN * artlara Uygunluktur. P.B. CROSBY * Bir rn ya da hizmetin belirlenen veya olabilecek ihtiyalan kar lama kabiliyetine dayanan zelliklerin toplam d r. TS-ISO 9005 * rn ya da hizmeti ekonomik bir yoldan reten ve tketici isteklerine cevap veren bir retim sistemidir. Japon Sanayi Standartlar Komitesi (JIS) *Bir rn ya da hizmetin belirlenen gereksinimleri kar layabilmesini sa layan nitelik ve zelliklerin tmdr. Amerikan Kalite Denetim Derne i ASQC Teknik anlamda kalite, "Istenilen zelliklere uygunluktur". Bu ifade a a daki iki geden olu maktad r. I. Istenen zellikler 2. Bu zelliklere uygunluk. Bir rn ya da hizmetin istenen zelliklere sahip olmas "Tasar m kalitesi" ile ilgilidir. rne in bir ayakkab mn ksele tabanl ya da kauuk tabanl olmas bir TASARIM meselesidir.
Uygunluk kalitesi ise , m teriye sunulan rnn belirlenmi tasar ma "ne kadar uydu u ile" ilgilidir. rne in yukar da sz edilen kauuk tabanl ayakkab karl zeminler zerinde kullan ld nda aya a su geirmiyorsa

ve retilen tm ayakkab lar gerekten karl ortamlarda su geirmiyorsa uygunluk kalitesi "mkemmel" dir. De ilse uygunluk kalitesi "d k" demektir. K saca zetlemek gerekirse Kalite aa daki iki bile enden olu ur. I. TASARIM KAL TES 2. UYGUNLUK KAL TES UYGUNLUK KAL TES (llebilir bir karelcteristiktir) . Uygunluk kalitesini de erlendirmede de iki gsterge sz konusudur. Bunlar; a. Nominal(hedef) de er, b. Tolerans'd r. Kalite kavram n n ok de i ik tammlan yap lmaktad r. Trk

Standartlar Enstitsnn hazrlad szlkte kalite ,

"Bir rnn veya hizmetin ihtiyalar kar lama yetene ine dayanan tm zelliklerdir." eklinde tan mlanm t r. Dolay s yla kaliteli rn; fonksiyonel zellikleri en dar de i im s nrlan iinde istenilen de erde olan standart bir retim madddesidir. K.Ishikawa ise ; Kalite, rnn veya hizmetin tketiciyi tatmin etmek iin sahip olduu zeliklerdir. eklinde tan m yapmaktad r. Kalite kavram = yap lan baz tanunlarmda ise kavram n ekonomik ynnden de bahsedilmektedir. "Tketicilerin talebine gre ayarlanm ve bu rn iin denen ile kullamm sresi aras ndaki oran , bu rnn kalitesini verir." Kalitenin yap lan tan mlar incelendi inde hepsinde mterek olan; rnn "tketici ihtiyalar n kar lamas ve rnn ekonomik dzeyde olmas beklentisidir."

1.4 Kalite Kontrolu

Japon kalite kontrolu ynetimde bir d nce devrimidir. Kalite kontrolu yapmak ; en ekonomik, en kullan l ve tketiciyi her zaman memnun eden kaliteli bir rn geli tirmek, tasarlamak, retmek ve bak mn yapmak demektir(K.ISHIKAWA). Bu amaca ula mak iin irketteki st yneticiler, irket iindeki btn blmler ve tm al anlar dahil olmak zere herkes kalite kontrole kat lmal ve geli mesine yard m etmelidir.

6 Kalite kontrolde ilk ad m tketicilerin isteklerini bilmektir. Kalite kontrolde di er bir ad m tketicilerin ne sat n alacaklar n bilmektir. Maliyet bilinmeden kalite tan mlanamaz. nlemle paralel gidemeyen kalite kontrol sadece merakt r. Kalite kontroln ideal hali denetim (muayene) gerektirmeyen kontroldr. retim i lemini istenilen ortalama kalite ve kalite tekdzeli i alt nda yrtmek, en ekonomik ve en gvenilir bir biimde ancak statistiksel kalite kontrol metodlann uygulamakla mmkndr. Kalite kontrol ile retim i lemi sonunda elde edilen rnlerin istenilen standartlara uyup uymad tesbit edilir ve standartlara uymayan rnler ya baz i lemler ile dzeltilir, ya d k fiyatla sat l r veya imha edilir. Buna gre, kalite kontrolunun amac ; standart d retimi nlemek veya nemsiz bir seviyeye d rmektir. statistiksel kalite kontrolu ise ; retim i leminin normal ko ullar alt nda kurulmas n ve yrtlmesini sa lamada ok nemli rol oynayan , bir aksakl k veya zel bir nedenle retimin kontrol d na kmas halinde bu durumu hemen ortaya kartarak gerekli tedbirlerin zaman nda al nmas n sa layan metodlann uygulanmas d r. zetle , bu metodlar retim i lemlerine istenilen yn vermek iin imalat n n ba yard mc s d r. Feigenbaum 1961'e gre ; "Tketici isteklerini en ekonomik dzeyde kar lamak ve doyum sa lamak amac yla i letme iindeki e itli blmlerin kalitenin yarat lmas na ,korunmas na ve geli tirilmesine ynelik abalar n btnle tirilmesini sa layan etkili bir sistemdir. Bir rn kalitesi genel olarak; tketici isteklerini yans tma derecesi , tasar m kalitesi, tasanma uygun imalat n gerekle tirilme derecesi ve imalat veya uygunluk kalitesidir.
(Tasar m Kalitesi) (Imalat s ras nda kalite kayb ) (Kullan m dolay s yla kalite kayb )...
TASARIM

IMALAT

KULLANIM

ekil 1.3 Tasanm ve imalat kalitesi aras ndaki ili ki

1.5 Toplam Kalite Kontrolu (TKK)

Kaliteli rn ve hizmet retmenin yanl zca retim srelerine ili kin denetimle salanamayaca , kalite kurulu un her sre, etkinlik ve karanndan etkilenece i gere inden yola k larak yeni bir yakla m nerildi ve a rl kl olarak Japon sanayicileri ba ta olmak zere birok kurulu tarafndan benimsendi Bu konuda ilk kitab 1951'de yazan ve Toplam kalite kontrolunun ncs olarak kabul edilen A.Feigenbaum'a gre TKK ; "Tketici isteklerini en ekonomik dzeylerde kar lamak amac yla retici kurulu iindeki tasanm, retim, pazarlama ve m teri hizmetleri gibi e itli birim ve gruplar n , kalitenin geli tirilmesi, srelclili inin sa lanmas ve iyile tirilmesi yolundaki abalar n bir btnlk iinde ynklmesini sa layan etkili bir sistemdir." Tan mdan anla laca gibi TKK yakla mnda 2 nemli ge vurgulanmaktad r. Bunlar, 1. Tketici isteklerinin ekonomik biimde kar lanmas ,
2. Kalitenin yanl zca retim srelerince belirlenen bir olgu olmad , kurulu un tm faaliyet ve srelerinin de kalite dzeyini dolayl veya dolays z olarak etkilemesidir.

Ancak bu yakla m daha sonra geli erek Toplam Kalite Ynetimi(TKY) d ncesine ve ilkelerine yerini b rakm t r.

1.6 Toplam Kalite Ynetimi (TKY)

M terinin beklentilerini kar layacak, hatta a acak rn veya hizmet retebilmek iin ynetim ve retim sreleri ile kalitede iyile tirmeyi hedefleyen, kalite d nce ve bilincini tm kurulu al anlarna yaymay ve onlarn i birli ini salamay amalayan bir ynetim biimi ve ynetim stratejisidir. TKY'yi uygulayan kurulu larda sadece mal ve hizmet kalite dzeyi ykselmekle kalmam , ayn zamanda retkenlik artm , maliyetler d m ; bylece nemli bir rekabet stnl salanmtr. Gnmzdeki anlay a gre ; TKY'nin tek amac kalitenin ykseltilmesi de ildir. eretkenli in artt nlmasma ynelik "srekli geli me

(KA ZEN) gibi sistematik yakla mlar da en az kalite konusu kadar nem kazanmakta ve maliyetlerin dolay s yla da fiyatlar n d mesini sa lamaktad r. Toplam Kalite Ynetiminin temel ilkeleri zetle yledir, 1. M teri(tketici) odakl l k, 2. st ynetimin kalitede nclk yapma sorumlulu u, 3. Srekli iyile tirme, 4. Veriye ve istatistiksel d nmeye dayal ynetim ve karar verme, 5. Grup al mas , 6. Srekli e itim ve renme, 7. al anlann yetkilendirilmesi. Toplam Kalite Ynetimi felsefesi, yakla m , ilkeleri ve teknikleri ile bir btndr. TKY'yi ba ar yla uygulayabilmek, bir a dan eski gelenekler, i yapma yntemleri ve davran biimlerinden s ynlmak ve m teriyi temel alan yepyeni bir kltr ve stratejiyi benimsemekle mmkn olur. Toplam Kalite Ynetimi teknikleri zetle yledir,
1 Deming dngs (Deming Cycle), 2. Srekli iyilestirme(Kaizen), 3. Kalite yay l m (QFD), 4. K yaslama ve uyarlama (Benchmarking), 5. Politika yay l m (Hoshin Planning), 6. Yedi istatistiksel ara ve yedi yeni ara,

Bu teknikler srekli iyile tirme ve sorun zme al malann n her a amas nda yo un olarak kullan l r.

1.7 nemli Kalite Kurulu lar

ASQC, JUSE ve EOQC

Dnyan n her yan ndaki ulusal, uluslararas veya blgesel kalite kurulu lar ndand r. ASQC : The American Society for Quality Control -Amerikan Kalite Kontrol Kurumu : 1946'da kun lmu tur. II.Dnya sava s ras nda savunma malzemelerinin kalitesini geli tirme abalar n n bir sonucu olarak kurulmu tur. Gnmzde dnya ap nda kullan lan kalite yntemlerinin o unu ASQC ba kanlar ve yeleri geli tirmi tir.ABD, Kanada ve 63 lkeden yaklak 60000 ki isel, 500 kurulu yesi vard r. yeleri aras nda

W.E.Deming, J.M.Juran, P.B.Crosby, A.V.Feigenbaum, W.A.Shewhart gibi bu alanda nder isimler yer alm t r. ASQC'nin grevleri : 1. 2. 3. 4. 5. 6. Kalite teknolojisindeki yeni geli meleri tantmak, Varolan teknoloji uygulamalar n geli tirmek, Kalite ve kaliteyi meslek seenler iin standartlar haz rlamak, Kalite ve kalite ile ilgili bilimlerde e itim imkanlar salamak, Konferanslar ve seminerler dzenlemek, dzenlemesini zendirmek, Yay n ve enformasyon program yrtmek.

ASQC'nin tipik al malar : 1. NASA Kalite ve Verimlilik Ba ar dl uygulamas , 2. Amerikan Kalite Kurumu giri imi : rn ve hizmetlerin dnya ap nda rekabet stnl sa lamas n amalayan ara trma burslan, burs programlar , belgesel filimler vb. faaliyetleri 3. Kalitenin Nobel dl : Ulusal Standartlar ve Teknoloji Enstitsnce dzenlenir. Ulusal Kalite dl al malarna da katk da bulunmaktad r. JUSE : Japane Union of Scientists and Engineers-Nippon Kagasu Gijutsu Renmei Japon Bilim Adamlar ve Mhendisleri Birli i: 1946'da kuruldu. Merkezi Tokyo'dad r.1962'de ise bir kamu kurulu = dn trld. JUSE'nin Amalar : 1. e itli bilim ve teknoloji alanlar nda i birli i yapt bilim adamlar ve mhendislerin bilimsel ve teknolojik ilerlemelerine ilgisini uyand rmak, geli tirmek ve bu yeniliklerin uygulamas n sa lamak, 2. leri bilim ve teknoloji konusunda yurt ii ve yurt d nda bilgi al veri inde bulunarak sanayinin geli mesine katkda bulunmak, 3. Bu etkinlikler yoluyla dnya bar na ve insan soyunun karlarna hizmet etmek. JUSE'ye kay tl kurulu larn say s 1989'da 1825'i bulmu tur. JUSE'nin 1600 bilim adam ve mhendisiyle i birli i yaparak 250 komite arac l ile yrttt al malar u ana ba l klar alt nda toplanabilir:

10

1. 2. 3. 4. 5. 6.

Arat rma ve geli tirme, E itim, Tamtma, Uluslararas ili kiler, Sempozyum ve konferanslar, Di er hizmetler

EOQ : European Organization for Quality- Avrupa Kalite rgt . 1957 y l nda Bat avrupah 5 lkenin kalite uzmanlannca, EOQC- Avrupa Kalite Kontrol rgt ad yla kuruldu. Genel sekreterli i Bern-isvirede'dir. Sonraki y llarda 25 lkeden birer kalite kurulu unun ye oldu u EOQC, byk bir Avrupa rgtne dn t. 1980'li y llarda ad ndaki "kalite kontrol" ifadesinin s nrlay c bir anlam olu turdu u kamslyla ad m EOQC olarak de i tirdi. EOQC'n n Amalar : 1. rn ve hizmet kalitesinde geli me salayacak bilimsel ve teknik bir Avrupa kurulu u olmak, 2. rn ve hizmetlerin gvenilirli ini geli tirmek iin kalite kontrol konusundaki d nce ve teknikleri uygun aralar kullanarak geli tirmek,tan tmak, duyurmak ve zendirmektir. EOQC'n n al malar : 1. rn ve hizmetlerin kalite gvenilirli i ile ilgilenen etkin kurulu lar, gruplar ve ki ilerle ili ki kurar ve bu ili kileri korur. 2. Arat rma ,talimat, gr , deneyim, dkman ve yay m al veri i konusunda i birli ini zendirir. Konferanslar, seminerler, k rslar dzenler, EOQC'n n 7 blm ve 11 komitesi ah malar yrtr. Trk Standartlar Enstits TSE lkemiz ad na 1976 y l ndan bu yana EOQC tam yesi olarak al malara kat lmaktad r.

11

1.8 statistiksel Kalite Kontrolu ( KK)

Gittike artan tketici ihtiyalan ve buna paralel olarak geni leyen retim hacmi,muayeneye dayal bir denetim sisteminin uygulanmas n kimi zaman olanaks z , kimi zaman da yksek maliyetli k lmaya ba lay nca istatistik temelli yeni aray ve zmler gndeme geldi. lk geli me W.A. Shewhart' n uygulad "Kontrol emalan" ile Dodge ve Romig'in geli tirdi i " rnekleme muayene " sistemleri ile oldu. Bu basit oysa son derece etkili ara ve sistemler istatistiksel rnekleme temeline dayan yordu.Bu aralar n yayg n olarak kullan lmaya ba lamas ile " statistiksel Sre Denetimikontrol SPC" ad alt nda hatal retimi en aza indirgemeyi hedefleyen yntemler ile rnekleme muayene sistemleri gnmze kadar ba ar yla uygulanagelmi tir. Genel anlamda statistiksel Kalite kontrol ( KK); "Yararl bir pazara sahip bir rnn ekonomik olarak gerekle tirilmesine ynelik olarak tm safhalar nda istatistik prensiplerin ve tekniklerin uygulamas d r.(TSE,1984) " eklinde tan mlanabilir. KK'de kontrol alt ndaki kalite zelli inin (yani de i kenin) veya batar m (kusurun) boyutu ve ifade edili ekli uygulanacak yntem a s ndan nemlidir. E er birden fazla kalite zelli inin ayn anda kontrol alt nda olmas isteniyorsa, kontrol edilecek de i ken veya hata (kusur) ok boyutlu bir yap ya sahip olacakt r. Kalitenin bir kalite zelli i taraf ndan belirlenmesi durumunda de i ken veya hata bir (tek) boyutlu olacakt r. rne in, Kalite kontrolnde yayg n bir kullan m alan na sahip olan "Kontrol graf kleri- emalan" 'da kullan lan ve kalite zelli ini gsteren istatistikler genellikle tek boyutludur. rn kalitesi birden fazla kalite zelli i ile belirlendi inde kalite kontrol ; ya Pareto analizi ile bunlardan en nemli grnenlere gre yap l r, ya da ok de i keni dikkate alan bir kontrol graf i ile yap l r. istatistik tekniklerin yo un olarak kullan ld ba l ca 3 alandan sz edilebilir. Bunlar, 1. D ar dan sat n al nan ham ya da yar maml maddenin kontrol (GR KONTROL)) 2. D kurulu lara ya da ayn kurulu un di er k s mlanna gnderilen malzeme veya rnn kontrol ( IKL KONTROL) 3. retim s ras ndaki kontrol ( PROSES-Sre KONTROL)

Bunlardan ilk ikisinde KABUL RNEKLEMES diye adland nlan teknikler, sonuncusunda ise KONTROL GRAFIICLERI lcullaml rlar. Bir ok durumda Kabul meklemesi yntemi ile kabul edilen mal n kalitesi %100 muayene sonucunda kabul edilenden daha iyi olmaktad r. nk , %100 muayenenin b lct nc ve yo unluk yaratan etkileri kalitenin d mesine sebep olmaktad r. Ancak, rneklemeye uygun olmayan baz kritik paralann %100 muayene ile kontrol ka n lmaz olmaktai bu durumda muayene maliyeti nem kazanmaktad r. Kaliteye ili kin maliyetler her retici kurulu iin mutlaka byk nem ta maktad r. "KALITE OK YNL B R FONKS YONA SAH PTR." Geli en tketici hareketleri ile birlikte teknolojik ilerleme ve sava sonras = ekonomik knts II.Dnya sava ertesinde yeni Kalite kontrol tekniklerinin kullan mn gndeme getirmi tir. STAT ST K Biliminin uygulamal hale gelmesi ile Endstri mhendisli i ve Ynetim tekniklerinin geli mesi statisti in KALITE KONTROL'de uygulanmas n artt rm tr. Bu yntem KK olarak adland nl p Istatistik sayesinde ; retim s ras nda ortaya kabilecek bozukluklar nceden tahmin edilmeye ve dzeltici nlemler al nmaya ba lanm t r.

1.9 Kalite Kontrolunda Temel Amalar

Kalite kontrolunun amac , her eyden nce tketiciyi tatmin etmektir. I letmeler m terinin isteyece i, be enece i, kullan rken ikayeti olmayaca ve tekrar talep edece i bir rn veya hizmeti imal etmek isterler. Modern bir i letmede Kalite kontrol al malarnn genellikle kabul edilen amalar 3 ana grup alt nda toplanabilir. Bunlar, 1. rnde daha yksek dzeyde bir kaliteye ula lmas , 2. Kullan lan hammadde ,enerji, i gc ve benzeri girdilerde fire ve kay plan mmkn olan en d k dzeye indirmek, 3. D k kaliteli, kusurlu ve bozuk rn say s n azaltmak, kalite standardi72syonu yoluyla pazarlama kolayl sa lamak, iade ve bak m onar m gibi sat sonras sorunlara yol amamakt r.

1.10 Kalite Kontrolunda Kullan lan Genel Yntemler

Hammaddelerin, paralar n, ara ve nihai rnlerin kalite kontrolunda ok ve e itli yntemler kullan lmaktad r. Bunlar, zet olarak 4 ana grupta toplanabilir. Bunlar, I. Yanl zca duyu organlartyla yap lan kalite kontrolu: Genellikle bir rnn tad , rengi, kokusu, sesi, sertli i gibi ynleri kontrol edildi inde duyu organlar yeterli olabilmektedir. Ancak bu, byk olde ki inin yetenek ve deneyimlerine ba l bir yntemdir. Dolay s yla, fazla gvenilir bir yntem de ildir. 2. eitli ara-gerelerin yard m yla yap lan lmleme ve boyutlar , deerlendirmeler : Bu yntem bir rnn zellikle, edildi inde kullan l r. a rl hacmi ve biimi ynnden kontrol aletler kullan l r. Bu amala geli tirilmi e itli hassas 3. e itli fiziksel, kimyasal, mekanik ve benzeri zellikleri de erlendirmek iin laboratuvarda deney yoluyla kontrol: zellikle , kimya, ila, metalurji, g da, elektronik gibi endstri dallar nda rnn yap , bile im, g, dayan kl lk, iletkenlik, s nma, ergime ve benzeri zellikleri ileri dzeyde geli tirilmi hassas aletler ve uzman i grenler taraf ndan deneyler yoluyla belirlenir. 4. Uygulama ve kullanma yoluyla kalite kontrol : Genellikle, nihai rnler gerek kullan m ko ullar nda denenerek nceden belirlenen zelliklere uyup uymad klan kontrol edilir. rne in, motor, makine, otomobil, gemi....gibi rnler bu ekilde kontrol edilir ve daha sonra tketici veya kullan c ya verilir.

1.11 Kalite Kontrolunda Kullan lan istatistiksel Yntemler

Baz retim alanlar nda retilen tm rnlerin kalite kontroluna tabi tutulmas gerekmektedir. Ancak bu, zaman al c ve yksek maliyet gerektiren ve ak lc olmayan bir yoldur. Aynca , baz kontrol yntemleri, rnn tahrip olmas na veya de erinin byk lde yitilmesine neden olmaktad r. Tm bunlar n tesinde gnmzde retim kapasitelerinin bymesi , h zl ve yo un

14

retim sistemlerinin geli mesi "yzde yz kontrol" yerine ana kitle iinden rasgele ve bilimsel usullerle belirlenerek seilen "rnek grup" al nmas , bu rnek grubun kalite kontroluna tabi tutulmas ve sonuta bulunan de erin gerekli hesaplamalar yap larak kitle iin ifade edilmesi olarak tan mlanan " statistiksel Kalite Kontrolu" nun uygulamas n yaygulatarmtr.

1.11.1 Kalite kontrolunda istatisfi in nemi

statistik ile ilgili uygulamalar nceleri astronomi, fizik, biyoloji ve sosyal bilimler alanlar nda gerekle tirilmi tir. statistik kuram kalite kontrolunda ilk olarak ba larda belirtildi i zere 1920 y llarnda etkili biimde uygulanmaya ba lanm tr. Yeni istatistiksel yntemler kalite kontrol problemlerin ilk defa 1924 y l nda W.A.Shewhart tarafndan uygulanmaya ba lannu tr. Sanayide yayg nlamas da II.Dnya sava lar sonras nda artrru tr. statistik ; "Tesadf etkenlerin etkisi alt nda bulunan olaylar n gzlenmesi ve belirli kuram, ara, yntem ve tekniklerin yard myla bu olaylar hakknda sistematik biimde bilgilerin toplanmas ve incelenmesi sonunda -ta tahmin ve yorumlar yap lmas n sa layan bilim dand r." belirli duyarl k Biiminde bir tan mla ifade edilebilir. statistiksel Kalite Kontrol tekniklerinin ba l ca yararlarna a a daki gibi s ralamak mmkndr : 1. Yksek dzeyde daha dzgn kalite, 2. Tamir ve skartalardaki azalmalar nedeniyle kay plarn da azalmas , 3. Daha iyi planlama ve denetim nedeniyle daha etkili muayene, 4. I i ve makine- saat ba na artan retim h z , 5. Tasarm toleranslaru da iyile me, 6. Faaliyetler aras nda e gdm sa lanmas nedeniyle daha ahenkli insan ili kileri.

1.11.2 Kalitenin ls
Bir retim nitesinde yap m i lemleri belirli zelliklere sahip bir rnn retimi amac na yneltilmi , retim program buna gre dzenlenmi tir Ancak, retilen rnlerin istenilen kalitede olup olmad klarnn bilinmesi, hem sat a gidecek mal n piyasann kalite taleplerini ne dereceye kadar

13

kar lanaca n n bilinmesi, hem de retimin baansuun tesbiti veya retimin hangi noktalarda alcsad uun ayd nlat lmas bakmndan gerekli olacakt r. rnlerin e itli zelliklerini saptamak iin ok geli mi lme metod ve aralar vardr. Aynca, bu zelliklerden birinin llmesi iin gvenilir veya yeterince geli mi lme ara veya metodlan yoksa, byk apta retim yapan firmalar kendi lme ara ve metodlan geli tirmeye al rlar. O halde kaliteyi lmek iin , lme neticeleriyle istenilen standart de er aras ndaki farklann bulunarak bu farklann nemlilik derecesinin saptanmas gerekecektir. lme sonucunda bir fark n oldu u durumda ortaya iki problem kar. 1. Fark kkse lme metodumuz bu fark tesbit edebilecek kadar duyarl m dr ? 2. Fark byk veya lme metodumuz kk farklar tesbit edebilecek kadar duyarl ise tesadfen mi ortaya km t r, yoksa gerek bir farlcm dr?

lme metodumuzun duyarl l n nas l bilece iz ?

Eer lmenin telcrannda ayn fark kk bulabiliyorsak lme metodumuz hassast r.

Elde edilen fark n tesadf mi, yoksa gerek bir fark oldu unu nas l anlayaca z ?
*lmeyi tek nite halinde imal edilen rnlerde ; rnn e itli lme noktalar nda, *Birimler halinde imal edilen rnlerde ; birden fazla nite zerinde tekrarlad m zda ayn farklar buluyorsak bu farklar gerek farklar demektir. O halde her iki halde de birden fazla lmenin yap lmas gerekmektedir. Bunun sonucunda birden fazla lme neticesinin de erlendirilmesi ve standart bir de erle kar la t nlmas problemi ortaya kmaktad r. Bu e it problemlere olas l k teorisine dayanan istatistik metodlan zm getirmektedir.

16

1.11.3 Kalitenin matematiksel ifadesi

X ile ifade edilen bir zelli in lld n dnelim. lmenin 1.11.2'de a klanan nedenlerden dolay e itli ekillerde tekrarland nu ve xi, de erlerinin elde edildi ini kabul edelim. Bu noktada u x2, x3, ., xn X zelli i istatistiki bir da l m gstermektedir. Bu sonuca var r ylenebilir ; varmaz u soru akl m z gelecektir: "Sz konusu zelli i temsil eden tek say veya de erden bahsedilemez mi?" Bu soruya cevap vermek biraz zordur ama yle bir cevap verilebilir : X zelli ini temsil eden say , byklk s rasma dizilmi bulunan xl, x2, x3, , xn de erlerinin orta yerinde bir say dr. lme neticelerinden baz lar ayn olabilir. Birbirine e it say lan biraraya getirir ve her biri iin tekrar say s n ifade eden f ,f2,f3fr frekanslann tesbit edersek, X'in da lm yle olacakt r: f XI, fiX2, fiX3fnX.n imdi yukar da sordu umuz X zelli ini temsil eden say nedir? sorusuna dnelim. X zelli ini temsil eden say ; en ok tekrar eden, di er bir deyimle frekans en yksek olan say dr. Btn bunlar bizi "Ortalama'nm" tarifine getirmektedir. Bundan sonra ortalaman n standart de ere ne lde yakn olduu problemi ile kar kar ya kalan. Buradanda ilerideki blmlerde a klanan "Standart sapma" kavram na gelinin Sonuta ortalama de er ile standart de er ayn ise standart sapma kalitenin ls olacakt r ve standart sapma ne kadar kkse rnmz o derecede kaliteli demektir. Artk bu durumda STAT ST K KAL TE KONTROLU nedir ? denildi inde ; Kaliteyi gere ince ve srekli ekilde kontrol alt nda bulundurabilmek iin u sorulara cevap bulmak gerekir: 1. Do ru bir ortalam de er bulmak iin ka lme yapmal dr? Bu lmeler hangi plana gre yap lmal d r? 2. lme neticesinde bulunan de erle istenilen de er aras nda belirli bir fark varsa bu fark n nemli olup olmad , yani tesadfen ortaya kp kmad nas l bilinecektir?

17

3. Standart sapma ne lde kk olmal dr? 4. Ortalama de erin istenilen de erden de i ik olmas nn anlam nedir? 5. Birimler halinde elde edilen rnlerin hepsini teker teker muayene etmek mmkn olmad na gre ne yap lmal dr? 6. retimin ara kademelerinde bir kalite d ld grlm se ne yapmak gerekir? statistiki Kalite kontrolu , btn sorulara cevap veren ve istatistiki metodlar yard myla rn kalitesini yksek tutmay hedef alan btn lme ve kontrol i lerinin, srekli bir "BILGI ALMA DE ERLENDIRME - KARAR ALMA/VERME MDAHALE " pro ranuna gre, sistem iinde yrtlmesini salayan bir faaliyettir.

18

2. BLM KALITE KONTROLUNDE ISTATISTIK B LG S - I

2.1 statisti e Giri , Temel Tan m ve Kavramlar

Gnmzde kar la lan birok problemde istatistik bilgisine gereksinim duyulur. Problemlerin zm iin, veri toplama ve toplanan verilerin analizi gereklidir. Gnlk gazetelerin ekonomi sayfalar na bak ld nda genel ekonomi,imalat ve i letmelerle ilgili bir ok say sal veriler grlr. Bu say sal veriler genellikle birer istatistiktir. Menkul k ymet borsalar ile ilgili bilgiler, para ile ilgili bilgiler, irketlerin retim, sat , al m miktarlar ve fiyatlar , e itli konularda lkeleraras say sal kar la t rmalan ieren bilgiler birer istatistiktir. Bu anlamda kullan lan istatisti in en basit tan m yle yap labilir ; "Herhangi bir konudaki say sal bilgiye istatistik" denir. Bir konuda istatistik olu turabilmek iin, o konuda ve/veya ilgili konularda say sal verilerin toplanmas gerekir. a da rgtler ka t zerinde veya manyetik ortamda milyonlarca veri ile kar kar yad rlar. Her gn bu veri toplulu una ok say da veri eklenir. Bu verilerin bir k sm i letme ii faaliyetlerden trerken bir k sm da st sistemdeki faaliyetlerden ve zel ara t rmalardan ortaya kar. Verilerin toplanmas bir istatistik konusudur. Bir konudaki her veri istatistik olmayabilir. Bu konuda veri ile bilgi aynm na dikkat edilmelidir. Bir konudaki gereklerin sembolik ifadesine veri, sembollerin rakam olmas durumunda da bu sembolik ifadeye say sal veri denir. Verilerin bir i lem srecinden geirilerek anlaml hale getirilmesi ile de bilgi elde edilir. Veriler o ul ve srekli olup ki ide de i ikli ine neden olmaz. Bilgi ise tekil ve kesikli olup ki ide davran de i ikli ine neden olur. Bu anlamda istatistik bir bilgidir. Toplanan verilerin dzenlenmesi de bir istatistik konusudur. Toplanan verilerin uygun ekilde dzene konmas , tasnif , tablo halinde veya grafikle

19

sunumu iinde yntemler geli tirilmi tir. Bir konuda toplan p, belirli bir dzene konmu olan verilerin anlaml hale gelip kullan l olabilmesi iin zetlenmesi gerekebilir. Verilerin zetlenmesi ile ilgili yntemlerde istatisti in konusudur. Elde edilen istatistiklerin hangi zellikleri ta d , anlaml l analiz edilerek bu analizden sonular kart lmas ile ilgili yntemler de istatistik dersinin konusudur. Bu anlamda istatisti in konu kapsam m belirten tan m da a a daki ekilde yap labilir: Verilerin toplanmas , derlenmesi, zetlenmesi, sunulmas , analiz edilerek bu analizden sonular kart lmas yla ilgili yntemler toplulu u istatistik konuland r.

2.2 .1 Tan mlay c (Betimleyici) istatistik

Ba lang ta da belirtildi i gibi herhangi bir konuda ok say da veri ile kar la labilinir. Bu verilerin kolay anla labilmesi iin s raya dizilmesi, dzenlenmesi, grafi inin izilmesi ve say sal zetlemesi gereklidir. Istatistik derslerinin konu kapsam m belirten tamm nda da geti i gibi bu konular betimleyici istatisti in konuland r. Betimleyici istatistik ile verilerin yorumu kolaylar. Ayr nt l analize girmeden eldeki verilerin ne anlam ierdi i tablolarla, grafiklerle ve say sal zetler yard m ile anla labilir. Menkul kymetler borsas verilerinin gazetelerde yay nland ekliyle zaman iindeki de i imler grafik ile sunuldu unda okuyucu bir bak ta borsadaki trendi grebilir. Yurtii piyasada bir y lda sat lan otomobillerin markalanna gre sn fland nlarak tablo halinde verilmesi de okuyucu iin anla labilir bir bilgidir. Bir otomobilin 100 km.'deki yak t tketimi ortalama bir de er olup tketicilerin marka ve model tercihinde kullan labilece i bir istatistiktir. Say lan bu rnekleri o altabiliriz. Tm bunlar betimleyici istatisti in konuland r.

2.2 .2 Yorumlay c (Vardamal ) istatistik

Bir bilimsel al mada veya ara trmada s nrland nlan konuya ili kin tm veriler inceleniyorsa buna tam say m denir. Tam say m n ard ndan tammlay c istatistik konulan ile istatistik al malar na devam edilir. Ancak o u zaman tam saynn yapmak olanaks zd r. Bu durumda al ma erevesi iinde var olan tm veri kmesinden bir k sm belirli bir teknikle seilerek

20

incelemeye al n r. Incelemeye al nan bu k sma rnek(rneklem) denir. rnegin incelenmesinden kan sonular bir genelleme ile tm veri kmesi iin sonu kanm nda kullan l r. Btnn bir paras ndan hareketle btn hakk nda sonuca yarma ile ilgili istatistik konulan yorumlay c istatisti i oluturur. A a daki ekil 2.1 bu sreci a klamak iin izilmi tir. ekildeki byk daire elde edilebilir btn verilerin toplulu unu, sa tarafa kart lan kk daire bu topluluktan al nan rne i gstermektedir.

ekil 2.1 istatisti in yorumsal i levi rneklem verilerinden S bykl hesaplanm t r. rnek iin hesaplanan S bykl nden hareketle tm veriler iin cenin de eri kestirilir. es. hakk nda nceden ne srlen de erin do ru olup olmad da rnekten al nan bilgi kullan larak s nanr. rnekleme ile ilgili analizler, kestirim ve s nama konulan yorumlay c (Vardaml ) istatisti in konuland r.

2.3 Verilerin Elde Edilmesi, Dzenlenmesi

Karar verme amac yla verilerin i lenmesinden nce ilgili verilerin bulunmas veya toplanmas gereklidir. Bu amala veri trleri, veri yoplama yntemleri ve uygulamada hangi yntemlerin nerede geerli oldu u zerinde durulacakt r. Ilgili probleme ait verilerin toplanmas arat rma projesinin en zor, pahal ve zaman al c blmdr.

21

2.3.1 Veri trleri

statistiksel veriler ilgilenilen birimlerin say m veya lm ile elde edilirler. rne in MKB'de i lem gren ka tlann gnlk fiyatlar , endeks, i sizlik oran , irketin ayl k sat lar , bir otomobilin 100 km'deki yakt sarfiyat vb. veriler bir de i kenin ald de erler olarak i leme konur. Herhangi bir konudaki veriler nitel (qualitative) veya nicel (quantitative) olmak zere iki k s mda incelenebilir. Nicel veriler gzlem veya deney sonular nn say sal bir lek zerinde lmdr. Nitel veriler ise var olan e itli kategorilere (s n flara) sokabilece imiz say m sonuland r. Her veri tr iin farkl istatistik teknikler geli tirilmi tir. Bir veri kmesini analize haz rlamada hiyerar ik olarak drt lek bulunur. Bunlar syledir, 1. Suuflay c (nominal), 2. S ralay c (ordinal), 3. Aral kl (interval), 4. Oransal (ratio). lk iki lek nitel, son iki lek ise nicel verilerin analizinde a rl kl olarak kullan l r. Yukar daki s ralamada derece ykseldike veri kmesinin ierdi i bilgi miktar artar. Buna gre nominal lekte toplanm veriler en az,oran le inde toplanm veriler en ok bilgiyi ierir.

2.3.2 Veri kaynaklar

statistiksel analiz iin gerekli veriler e itli organizasyonlarca haz rlanm halde bulunabilir veya zel bir ama iin toplan r. Tasarlanan zel bir ama iin toplanan verilere birincil veriler, ba ka bir kurum veya kurulu tarafndan toplan p dzenlenmi verilere ikincil veriler denir.

kincil veri kaynaklar ndan veri elde etmenin yarar veri toplama maliyetini ve zaman m azalt nas dr. Ancak ikincil kaynaklardan elde edilen veriler her zaman bizim amac m z do rultusunda olmayabilir, bizim isteklerimizle rt meyebilir. Bu durumda amaca uygun veriler tasarlanarak toplan r.

22

2.3.3 Veri toplama teknikleri

Bu alt blmde, birincil kaynaktan elde edilen verilen toplamada kullan lan teknikler zerinde durulacakt r. zel bir durum iin hangi tekni in veya tekniklerin uygun oldu u yakla k olarak bilinmektedir. Her tekni in stn ve zay f oldu u ynleri vardr. Ara t rmac , amac na uygun olarak hangi tekni i kullanaca na i in ba lang c nda karar verir. Bu tekniklerin neler oldu u ve zellikleri a a da k saca verilmi tir.

2.3.3.1 Odaklanm grup gr mesi

Bu teknik s k kullan lan ve ilk akla gelen tekniklerden biridir. Az say daki insann konuyla ilgili resmi olmayan gr leri konu ulur. Bu konu malarda kat l mc lardan biri konu may ynetir. Bu gr me bir-iki saat ve 8-12 ki inin kat l m ile gerekle ir. Az say daki ki inin kat l myla gerekle tirilen gr mede elde edilen sonular ileride yap lacak aratrmalarda do rudan kullan l r. Bu gruplar n oluturulmas nda kat l mc lann vas flanndaki e itlilik nemlidir. Ancak, rne in sosyal yard mlarn yeterlili i konusundaki gr leri sorulan gruba sadece ya l larn seilmesi daha uygun olabilir. Buradaki ba lang noktas , olabildi ince yans z (tarafs z) ve ilgili ana kitleyi temsil edebilen fikirlerin ortaya kmas dr. Bu teknikte birden fazla grup olu turulur. Genellikle en az grupla gr me yap l r. Her grubun ortak karakteristi ine ba l olarak genel d ncesi birka oturumdan sonra belirlenir.

2.3.3.2 Telefon gr mesi

Bu tekni in stnlkleri, h zl kolay ve fazla pahal olmamas d r. Ayr ca ok say da ki iye ula ma olana bulunduundan kapsay c bir tekniktir. Bu tekni in sak ncalar olarak, basit sorulann sorulabilmesi, yan tlann k sa olmas , baz insanlar n her soruya samimi yan t vermemesi, ki ilerin tav rlarnn gzlenememesi say labilir.

23

2.3.3.3 Mektupla anket uygulamas

Hedef kitlenin geni bir co rafyada da lm olmas ve belirlenen yan tlay c lann adreslerinin bilinmesi durumunda kullan lan bir tekniktir. Yan tlayan ki ilerin d nmeye zaman olaca ndan detayl soru sorma olana vard r. Bu teknikte en byk problem gnderilen anketlerin geri dnmemesidir.

2.3.3.4 Yz yze yap lan anket

-

Kat l m n yksek olmas ndan dolay ilk akla gelen tekniklerden biridir. Yan t alamama olas l en aza indirgenir. Yarntlay c lann davran larn gzleme ve yanl anla lmalan dzeltme olana vard r. Ancak sorular n kolay anla l r ve anketin s k c olmayacak uzunlukta olmas na dikkat edilmelidir. Anketr gerektiren bu teknik olduka pahal dr.

2.3.3.5 Al veri gr meleri

-

Bu teknik, ok s k olmasa da, al -veri yerlerindeki m terilerin fikirlerini renmek amac yla pazar ara t rmac lar taraf ndan kullan l r.

2.3.3.6 Form doldurtmak

Baz veriler yeni kan rn sat n alanlara doldurtulan formlardan toplanabilir. rnlere garanti belgesi verilerek, ekili lerle zendirilerek tketicilerin bu belgeleri doldurmalan istenir. Bu tr kaynaklardan elde edilen verilerdeki en nemli problem, tketicilerin bu formlan geri gndermemesidir.

2.3.3.7 Gzlem yapmak

Baz uygulamalar iin gerekli veriler gzlem yoluyla toplanabilir. Bu tr giri im ba lang ta kar la labilecek durumlar kapsayacak ekilde tasarlanmal d r. Durumlardaki de i imler dikkatle gzlenir. Bilimsel al malarda kullan ld kadar olmasa da i letme yneticileri taraf ndan kullan lan bir tekniktir.

2.3.3.8 Ki isel gr meler

Ki isel gr me, ara t rmac lar n, ilgili ki ilerin fikir ve yakla mlar n' derinlemesine belirlemek amac yla kullan lan bir tekniktir. Bu yakla m nitel veri sa lad halde, uygulama iin gereksinim duyulan zaman ve maliyeti

24

2.3.4 rnekleme erevesi, ana kitle(kitle) ve rneklem

Istatistik al malannda ilgili kavram ve nesnelerin toplulu unu tan mlamak ok nemlidir. al ma konusuyla ilgili birimlerin olu turdu u toplulukta, birimlerin bir zel karakteristi i ile ilgili verilerin topluluuna ana kitle veya kitle denir. Bazen ana kitledeki birimler lm veya say ma dahil edilir. rne in bir s n ftaki rencilerin s nava al n p de erlendirilmesi, bir irkette al anlar n etkinlik lmleri vb. tm birimler say l r veya llr. Bu ekilde tan mlanan bir grubun elemanlar nn bir zelli ine ait tm verilerin say lmasma tam say m (census) denir. Birok istatistik al mas nda ana kitledeki tm birimlerin lm veya say m' zor, pahal hatta olanaks z olabilir. rne in stanbul Ticaret Odas na ( TO)'na kay tl tm yelerin dahil edildi i bir al mada btn yelerin telefon numaralar n , adreslerini elde etmek olduka zor olmas n n yan nda, al man n maliyeti de o u zaman kar lanamayan boyutlarda olacakt r. Hatta al ma yle uzun zaman alabilir ki sonunda bulunan bilgi i e yaramayabilir. Baz ana kitlelerde lm yap lan birimler kullan lamaz duruma geldi inden elimizde birim kalmayabilir. Tam say m n yap lamad durumlarda ana kitlenin bir paras al narak incelenir ve ana kitle hakk nda kanmda bulunulur. Bir ana kitleden seilen alt kmeye rnek (rneklem) denir. statistikteki bir ana kitle bir vasfa ait gzlem veya deney sonular ndan olu ur. Ana kitledeki ki iler, kurumlar veya nesneler de il bunlar n bir vasf na (karakteristi ine) ait veriler yer al r. rne in, bir i letmede al anlar n ya lar ile ilgileniyorsak ana kitle ki ilerin ya lanndan olu ur. al anlar n her biri ise ana kitlenin ba lang birimi olarak isimlendirilir. Ba lang birimlerinin olu turdu u topluluktan e itli ana kitleler elde edilebilir. Bir ana kitlenin ba lang birimlerini tan mlamak nemlidir. Bu tan m arat rman n erevesini olu turacakt r. Ba lang birimlerinin olu turdu u toplulu a rnekleme erevesi denir. Bir i letmede al anlar rnekleme erevesi, al anlar n ya lar kmesi bir ana kitle, al anlar n cinsiyetleri kmesi ba ka bir ana kitle olacakt r.

25

istatistik ara t rmalar nda problemle ilgi ii rnekleme erevesinde tan mlanan ana kitleden, bu ana kitleyi temsil edebilen rne in seimi ok nemlidir. Tam say m yapamad m z veya maliyetine katlanamad m z durumda ana kitleyi temsil edebilen rne in bykl ne olacak ve birimler nas l seilecektir? Bu, istatisti in nemli bir konusudur. Yanl bir rnek seimi daha sonra yap lacak olan tm i lemlerin geersiz olmas na neden olabilir. Tasarlanan rnek bykl ne gre ana kitleden defalarca ayn byklkte rnekler al rsak her birinde ayn say da eleman n bulunmas n n yan nda elemanlar rnekten rne e de i kenlik gsterecektir. Bu durumda, al nacak bir rne in her bir eleman bir de i kenin gerekle mi de eri olacakt r. N birimden olu an bir ana kitleden n birimlik rnek alm sak, bu rnek, xj, x2, x3,...., x de i kenlerinin alabilece i de erlerden birer adedinin olu turdu u bir veri toplulu u olacakt r. Burada belirtilen xr, x2, xn de i kenler toplulu una rneklem denir. rneklem, bir kal p olup bunun her bir gerekle mesi ise bir rnek olmaktad r. rneklem tasanm ve rnek alma i lemine ise rnekleme denir.
,

2.3.5 rnekleme teknikleri

rnekleme teknikleri iki grupta toplanabilir. Birincisi, ana kitledeki her birimin rne e girme ans n n e it oldu u rastlant sal (tesadfi) rnekleme, ikincisi rne e girme anslar n n e it olmad rastlant sal olmayan veya keyfi rneklemedir, Burada sz edilen rastlant sall k kelimesinin istatistikteki anlam , geli igzel seim veya bir kurala ba l kurala ba l kalmadan seim de ildir. Rastlant sall k, ana kitledeki birimlerin rne e girme ans n n e it olmas anla n ndad r. statistikte kullan lan formllerin a rl kl olarak dayana rastlant sal rneklemedir.

2.3.5.1 Basit rasgele rnekleme

K saca rne i olu turacak birimlerin her birine e it ans verecek ekilde seimle gerekle tirilen rneklemey-e basit rastlant sal rnekleme denir. Ayr ca n birimden olu an her rne in ans n n di er n birimlik rneklerle ayn olmas da gerekir.

26

2.3.5.2 Sistematik rnekleme

Sistematik rneklemede, ana kitledeki birimler rasgele s raya dizilerek n birimlik rnek iin s ran n herhangi bir yerinden ba lamak zere her k birimden biri al nacak ekilde seim yap l r. N=10000 olsun, n=100 tanesi incelenmek istensin. 100 say iinden biri ba lang say s olarak seilir. Bu say 20 olsun. (10000/100)=100 bulunur. rnekleme girecek say lar20,120,220, olacakt r.(Toplam 100 tane)

2.3.5.3 Tabakal rnekleme

rnekleme erevesindeki birimler incelenen vasfa gre nemli farkl l klar gsteriyorsa bu birimleri katman ad verilen homojen alt gruplara ay rmak gerekir. Olu turulan katmanlann her birinden rasgele seimle rnek al n r ve bu rnekler birle tirilir. Ana kitledeki eleman say s N ise katmanlardaki eleman say lan Ni, N2, ..., Nk olmak zere N= Ni+ N2 + olur. Katmanl rnekleme genellikle cinsiyet, ya ve gelir da l m gibi demograf k de i kenler zerinde uygulan r.

2.3.5.4 Kme rneklemesi

Son rastlant sal rnekleme tekni i ise kmeleme ile rneklemedir. Bu teknikte, rnek iin tek tek elemanlar yerine gruplar ya da kmeler birim kabul edilerek seilirler. Bu rnekleme tekni inde ya , gelir dzeyi, sosyal gruplar, co rafi blgeler temel al narak kmeler tan mlanabilir. Ara t rmada rnekleme erevesinin tan mlanmas mn zor oldu u durumda bu rnekleme tekni i akla gelir. Di er bir kullan m nedeni ise birimlerin ok geni blgeye yay lm olmas d r.

2.3.5.5 Monografi tekni i

Monografi tekni inde bir tek birim al narak e itli ynleri incelenir. Ana kitledeki birbirinden farkl l k gstermiyorsa bir birimi inceleyerek ana kitlenin bile imini anlama olana m z vard r. Dayan kl tketim maddeleri gibi seri retimden kan her birimdeki karakteristiklerin ayn de eri almas gerekti i d nlen birim-terden olu an ana kitleden seim iin uygun olan rnekleme tekni idir.

27

2.3.5.6 Keyfi rnekleme

Bu teknikte ara t rmac run ki isel yarg s na gre seim yap l r. rne e girecek birimlerin e it ans yoktur. Birimler aras ndaki zellik farklar gzetilir. rnekleme erevesindeki birimlerin benzer olmamas durumunda ele al nan de i kene gre rne e irmesinin yarar daha fazla olaca d nlen birimlere daha fazla a rl k verilir. Bu rnekleme tekni inde belirli bir sistem benimsenece i gibi, bir sisteme ba l kal nmadan da seim yap labilmektedir.

2.3.5.7 Kota rneklemesi

rnekleme erevesi homojen alt gruplara blnemiyorsa ve her grubun greli nemi farkl ise kota rneklemesi uygulan r. rnekleme erevesinin, incelenen nitelikler a s ndan, farkl l k gsteren ba l ca grup veya blmlerinden nem dereceleriyle orant l say da birim seerek yap lan rneklemeye kota rneklemesi denir. Bu teknikte her alt gruba bir kota tayin edilir. Tayin edilen kotaya gre her gruptan al nacak birim say s belirlenir. %10 Kotalarla dzenlenen rnek hacminin geni li i kimi zaman %5 olmaktad r. Kotalan belirlemede bir s n rlama olmamakla birlikte incelenen de i kene gre her grubun rnek erevesi iindeki a rl na bak larak kota belirlemesi yayg nd r.
-

2.4 Verilerin Dzenlenmesi ve S kl k Tablolar

Belli bir amaca gre toplanm olan ok say daki veya yo unluktaki verilerin kolayca anla labilir ekle getirilerek dzenlenmesi ve anla labilirli ini art rmak iin tablolarla gsterimi tan mlay c (betimleyici) istatisti in ana basamaklarmdan biridir.

2.4.1 S kl k da l mlar
Konuya girmeden nce a klanmas gereken baz tan mlar vard r. Bu tan mlar bir rnek zerinde tart al m: Bir firrnadaki 50 adet haftal k sat tutarlaruu veri olarak toplad m z varsayal m. Veriler a a daki tablo 2.1'de yer almaktad r:

28

8710,65 35356,12 17174,35 20565,50 37442,25 22215,36 59065,32 25632,20 15064,22 23568,32

43984,32 52450,23 25098,20 24259,68 26658,55 21176,25 23118,98 25705,45 20564,24 19124,54

19151,78 22854,45 47875,23 25698,40 27025,56 35587,21 20088,26 71020,58 25434,87 44252,36

12225,65 29874,25 29798,25 32564,24 26451,54 23353,74 20536,56 28548,58 33547,28 25711,17

31505,25 22654,51 28985,69 21705,25 66360,21 17854,23 32564,52 12587,54 34524,21 9325,67

Tablo 2.1 Haftal k Sat Tutarlar' (*100000 TL.) Tabloya ilk bak ta sat lar hakk nda bir sonuca varmam z ok zordur. statistikte bu tr verilere ham veri denir. lk akla gelen dzenleme, bu verilerin s raya dizilmesidir. S raya dizine i lemi bykten k e veya kkten by e olabilir. Byklk (kklk) s ras na gre dizilmi haldeki verilere seri denir. Tablo 2.2'de sat tutarlarm n kkten by e s raya dizilmi hali grlmektedir. Tablodaki maksimum de er ile minimum de er aras ndaki farka yay lma band (ranj) denir. Yay lma band n n uygun say da alt aral a blnerek her aral kta ka gzlem oldu unu belirleyerek haz rlanan tao oya s n fl seri denir.her s n f aral nda bulunan de er say s na ise s kl k (frekans) denir. Toplanm olan veriler nominal veya s ral lekte olabilir. Bu durumda s n fl seri yerine s kl k serisini dzenlemek uygun olacakt r. Nominal ya da s ral lekte az say da de er alabilen bir de i ken iin hangi de eri ka defa ald n gsteren seriye s kl k serisi denir. Bir s kl k serisi yetilerin da l m n , s mfl seri ise verilerin yo unluk da l m ru gstermektedir, S kl k serisi veya s n f ' serilere k saca s kl k da l mlar denir.

29

8710,65 9325,67 12225,65 12587,54 15064,22 17174,35 17854,23 19124,54 19151,78 20088,26

20536,56 20564,24 20565,5 21176,25 21705,25 22215,36 22654,51 22854,45 23118,98 23353,74

23568,32 24259,68 25098,2 25434,87 25632,2 25698,4 25705,45 25711,17 26451,54 26658,55

27025,56 28548,58 28985,69 29798,25 29874,25 31505,25 32564,24 32564,52 33547,28 34524,21

35356,12 35587,21 37442,25 43984,32 44252,36 47875,23 52450,23 59065,32 66360,21 71020,58

Tablo 2.2 Sat Tutarlann n S raya Dizilmi Hali

2.4.2 S kl k da hmlarm n olu turulmas

Bir suufl seri olu turmak iin nce suuf say s belirlenir. S n f say s , verilerin oklu una gre, genellikle 5 ile 20 aras nda olur. Aradaki baz s n f aral klannda gzlem olmamas uygun bir ekil de ildir. Aynca =fil seri olu turuldu unda bilgi kayb olabilir. Dolay s yla fazla geni s n f aral fazla biligi anlamna gelir. Tablo 2.3'de bir s mil s kl k serisi grlmektedir. Alt S n r 100 200 300
400 1500

Ost S n r 200 300 400 500 600

S kl k (Frekans) 30 48 66 34 19

Tablo 2.3 Bir S n fl S kl k Serisi Smith sende her aral n orta noktas n de i kenin ald de erler olarak varsay p s kl k da' l m n yazd mzda da s kl k serisi elde etmi oluruz. Ancak bu sende her gzlemin ait oldu u aral n orta noktas ndaki de ere e it oldu u varsay l r. Herhangi s n fl sende her s n f n alt s nr na e it veya alt s n r ndan byk de erlerin say s n veren da l ma azalan birikimli (kmlatif) s kl k da l m denir. Son s n f aral na gelindi inde birikimli s kl k, o aral ktaki s kl k olur. Son s nf aral ndan sonra bir s n f aral varm gibi dnlerek son s n f aral run st s nrna e it veya daha byk de erlerin say s s fr

30

kabul edilir. Bir =dil sende her s n fn st s n nndan kk olan gzlem de eri say lar n veren da l ma artan birikimli s kl k da l m denir. Tablo 2.4'te artan ve azalan birikimli s kl k da l mlan grlmektedir. Alt S n r 100 200 300 400 500 600 Azalan Birikimli S kl k (Frekans) 197 167 119 53 19 0 st S n r 100 200 300 400 500 600 Artan Birikimli S kl k (Frekans) 0 30 78 144 178 197

Tablo 2.4 Artan ve Azalan Birikimli S kl k Da l m

2.5 istatistik Verilerinin Tablo Ve Graf klerle Sunulmas

istatisti. in u ra alanlanndan bir k sm da basitle tirme, zetleme ve grselle tirme(sergileme) ile ilgilidir. S kl k da l miann bir tablo eklinde olu turma bir toparlama, derleme i lemidir. Tablolar her zaman kolay anla l r olmayabilir. Grafikler verilerin grselle tirilmesidir.

2.5.1 Histogram
Histogram, yatay eksende de i kenin ald de erlerin, d ey eksende s kl klann bulundu u, her aral n s kl ile orant l boydaki dikdrtgenlerle gsterildi i yo unluk g,raf idir. Bir rnekle ac ldayal m. A a daki tablo 2.5'te bir s ruftaki rencilerin not da l m grlmektedir. S n f Aral S n f Orta Nok ns (Xi) S kl k (Frekans) 20-30 25 15 -30-40 35 28 40-50 45 33 50-60 55 50 60-70 65 27 70-80 75 21 80-90 85 12 Tablo 2.5 Not Da l mlan

31

Bu verilere gre histo ram da a a daki ekil 2.1'de izeriz. Smith sende aral k boylar e it ise yo unluklan do rudan d ey eksende okuyabiliriz. Ancak s n fl serideki aral k boylann n e it olmamas durumunda histogram izerken yeni bir dzenlemeye gidilir. Histogramda, dikdrtgenlerin alanlar yo unluklan gsterdi inden, e it olmayan s n f aral klan kullaruhrken geni aral klardaki yo unluklar oldu undan fazla, dar aral klardaki yo unluklarda oldu undan az grlecektir. Bu nedenle e it olmayan s n f aral klan kullan ld nda dzeltme i lemi gereklidir.

60 50 40 20 10 0 20-30 `
.-

30-40

40-50

50-60

60-70

70-80

80-90

ekil 2.1 Notlara ait Histo ram

2.5.2 S kl k okgeni poligonu (Frequency Polygone)

Histogramdaki s n f aral klann n orta noktalar n' apsis, s n f s ld klann ordinat kabul eden noktalar n (histogramdaki dikdrtgenlerin st kenar orta noktalann n) do ru paralar ile birle tirilmesinden olu an graf ktir. Graf in ular yatay eksen ile birle melidir. Bunun iin s n fl serinin ba nda ve sonunda s f r s kl a sahip birer s n f aral d nlerek graf in ular yatay eksenle birle tirilir. Histogramdaki dikdrtgenlerin alanlar toplam ile s kl k okgeni alt nda kalan alan birbirine e inin S kl k okgeni de bir yo unluk grafiQi olup s kl k yo unl klann n da l m n gsterir.

32

60 50 40 33 20 0 15 1 2 3 4 5 7 21 12 6 7 8 9

--o--Seriler 2 0 15 28 33 50 27 21 12 0

ekil 2.2 Not Da l m n n S kl k okgeni

2.5.3 Daire grafi i

Nominal lekte toplanm veriler iin, kategorik veriler iin veya az say da s n fa aynlabilen veriler iin kullan labilecek bir veri trdr. Her s n f veya kategori, bulundurdu u s kl kla orant l byklkteki dilimlerle gsterilir. Toplam veri say s 360 'lik a ya kar l k gelir. Her s n ftaki s kl k btne oranlan p 360 ile arp ld nda dilimin bykl bulunur. Daire gafi inin zel ekli olarak, iki boyutlu izimi de kullan lmaktad r. ki boyutlu daire grafi ine pasta grafi i de denilmektedir. Daire grafi inde esas al nan s n f say s az olmal d r. ok olmas durumunda daire fazlaca dilimlenece inden verilmek istenen mesajgrnt bozulacakt r.

33

lkemizin 1960'daki GSMH iindeki Sektr Paylar

u Tar m %45

ekil 2.3 Trkiye'nin 1960 Y l na Ait GSMH indeki Sektr Paylan

lkemizin 1990 Y l nda GSMH iinde ki Sektr Paylar

Hizmetler %47

u Tar m o Sanayi u Hizmetler Sanayi %22

ekil 2.4 Trkiye'nin 1990 Y l na Ait GSMH indeki Sektr Paylar

34

2.5.4 Stun ve ubuk Graf kleri

S n tl veya kategorik verilerde s kl klann dikey veya yatay, birbirinden aynk dikdrtgenlerle gsterildi i graf klerdir.

1986-90 Y llar nda Otomotiv Sanayi retimi

200000 150000 -t, 100000 50000

0 Traktr

s Otomobil
u

Kamyon

3
Y llar

ekil 2.5 1986-1990 Y llar nda otomotiv sanayii retimi

Stun graf kleri uygulamalarda s ka kullan lmaktad r. Olu turulmas ve izlenmesi kolayd r. Bir olayda birden ok alt durumu ba ar yla sergilerler.

35

3. BLM KAL TE KONTROLNDE STAT ST K B LG S - II

VERLER N LLERLE IFADE ED LMES

(Merkezi E ilim ve De i im lleri)

OLASILI A GIRI NEMLI DA ILIMLAR

3.1 Giri
Istatistiksel yntemler, olaylar ve durumlar tanmlamak iin veya belirsizlik alt nda en do ru karar vermek iin kullan hrken ok miktarda say sal bilgileri baz zet bilgiler haline getirir. Istatistiksel analizlerde, say sal verilerin tablolar ve grafiklerle sunulmas o u kez yetersiz kalmaktad r. Profesyonel istatistiksel de erlendirmelerde bir tak m zet rakamsal de erlerin bulunmas gereklidir. Bu de erlere da l mn pararnetreleri denilmektedir. rne in, iki da l mn kar la t nlmas nda parametrelerin kullan lmas daha uygundur. Bir da l mn di erinden fark n salayan ba l ca zellikler, da l mn toplanma noktalar ve bu noktalar etraf nda birmlere ait gzlem de erlerinin ne lde yay lm oldukland r. Ayr ca bir s kl k da l m hakknda baz bilgiler edinmek yada s kl k da l mlanm kar lat rmak iin sadece e ilim lleri yeterli de ildir. Merkezi e ilim yada konum lleri etraf ndaki yay lma derecesini, de i kenin alabilece i de erlerin birbirinden ne kadar farkl olabilece ini gsteren llere de phesiz gerek vard r. Bu blmn amac , istatistiki uygulamalarda s ka kullan lan merkezi e ilim ve de i im lleri hakk nda k sa ve zet bilgiler vermektir.

36

3.2 Merkezi E ilim lleri

S kl k da l mlann n birbirlerine gre yerlerini, uzakl klann , merkezi e ilim yada konumlar n gsteren llere merkezi e ilim lleri ad verilir. Bu al mada uygulamalarda en s k kar la lan tanesi verilecektir. Bunlar, aritmetik ortalama, ortanca ve tepe de eridir. Anlat mlar meldem zerinden elde edilen bilgiler iin yap lm t r Aynca not edilmelidir ki herhangi bir e ilim lsnn alaca de er daima da l m s n rlar iinde olmal d r.

3.2.1 Aritmetik ortalama

En s k kullan l e ilim ls aritmetik ortalamad r. Ana kitlede }.i ile rneklemde ise X ile gsterilir. Uygulamalarda bilinir ki ; X , g' nn yans z en iyi tahmin edicisidir. Bu al mada, aritmetik ortalama rneklemde kullan lan biimiyle hem basit sende ve hem de s n fland nlm verilerde verilecektir.

3.2.1.1 Basit seride aritmetik ortalama

S n fiand nlmam XI , X 2 ,- -,X,, gibi bir serinin aritmetik ortalamas ,
.

= 1 =1 X In e itli i ile verilir. E itlikte; aritmetik ortalamay , X, , gzlem de erini ve n ise gzlem say s n gstermektedir.

rnek - 1: Bir rencinin alt s navdan ald notlar: 68, 72, 78, 84, 87, 91 eklindedir. Notlar n aritmetik ortalarnas m bulunuz. zm - 1: X = X, /6 = [68 + 72 + 78 + 84 + 87 + 91 1/6 = 480/6 = 80

puand r.

3.2.1.2 S n fland r lm verilerde aritmetik ortalama

S kl k tablosu dzenlenmi verilerde aritmetik ortalama .5< = e itli i ile hesaplan r. Bu e itlikte; aritmetik ortalamay , k.!

fi

j. s n fn

gzlem say s n , Xf , j. s n f n s n f orta de erini ve n ise toplam gzlem say s n gstermektedir.

37
rnek-2: A niversitesindeki 100 rencinin a rl klanna ili kin s kl k (yada Frekans ) da l m tablosu Tablo 3.1 'de verildi i gibidir.
S n flar (J) 1 2 3 4 5 A rl k (kg) 60-62 63-65 66-68 69-71 72-74
--,k

Toplam: Li_ i f) .--= n

S kl k ( fj ) 5 18 42 27 8 100

Tablo 3.1 A niversitesindeki 100 rencinin a rl k da l mlan rencilerin a rl klanna ili kin aritmetik ortalamay bulunuz. zm 2: Aritmetik ortalaman n hesaplanmas iin gerekli i lemler tablosu Tablo3.2'de verildi i gibidir. Tablo 3.2'nin (4.) stun de erleri yle elde edilmi tir. rnegin, birinci de er, X, = (60 + 62)/2 = 61 bulunur. Stuna ait di er de erler de ayn ekilde bulunmu tur. Yine ayn tablonun (5.) stun de erleri de s n flann sahip olduklar de erler ile ayn s n flann s n f orta de erlerinin kar l kl birebir arp m sonucunda elde edilmi lerdir. rnegin, birinci de er iin bu hesaplama, fl .X7, = 5(61) = 305 'dir.
-

( 1 ) S n flar

(2.) A rl k

(j)

(kg.)
60-62 63-65 66-68 69-71 72-74
--s k,,

(3- ) S kl k

(4.)

(5.) fF Y 305 1152 2814 1890 584 6745

(L)
5 18 42 27 8

;VJ
61 64 67 70 73
--

2
3

4 5

Toplam: L i=i i

100

Tablo 3.2 A niversitesindeki 100 rencinin a rl klan iin Aritmetik ortalama i lemleri

38

Tablo-2'nin (5.) stun ve Toplam sat n= kesi ti i de er aritmetik ortalaman n paydas n olu turmaktad r. Sonu olarak aritmetik ortalama,

E5 j _ i fj .A77100 = 6745/100 = 67.45 kg. bulunur.

3.2.2 Ortanca (Medyan)

Ortanca, bir da l m iki e it paraya blen bir e ilim lsdr. Bu blmde ortanca, aritmetik ortalamada oldu u gibi basit seride ve s n fland r lm verilerde anlat lacakt r.

3.2.2.1 Basit seride ortanca

Basit seride, X , X, . -, X gzlem de erleri kkten by e yada bykten k e do ru s ralan r. O. R. ile gsterilen ortanca, gzlem say s , n 'e ba l olarak takipteki gibi tan mlan r. a. E er n tek ise X[(n )/2I nci gzlem de eridir.

O. R.= b. E er n ift ise X [/,1 ' nci gzlem de eri ile X i(n+2v2 'nci gzlem de erinin
aritmetik ortalarnas d r.
rnek - 3: 6, 2, 2, 1. 2, 6, 10, 8, 6, 7, 9 gzlem de erlerinin ortancas n bulunuz. zm - 3: nce gzlem de erleri kkten by e do ru s ralan r.

X t X X3 X4 X5 X6 X 7 X8 X9 X 0 XI 2 2 1 2 6 6 6 7 8 9 10
ve tek'tir. Ortancan n formlnden, n = 11 hesaplama O. R.= X 1(n+ v2i = X [0 , +0121 = X6 gzlem de eridir. O halde, O. R.= X6 = 6 bulunur. Bu de er s ralanm seride koyu olarak gsterilmi tir.

39

rnek 4: 2, 1, 3, 4, 1, 5, 6, 5, 9, 11 gzlem de erlerinin ortancas n bulunuz.

-

zm 4: rnek-3'de oldu u gibi nce gzlem de erleri kkten by e s ralan r.

-

X I X2 X 3 X4 X5 1 1 2 3 4

X8 X 9 X I o
5 6 9 11

n = 10 ve ift'tir. Ortanca, X5 gzlem ile X 6 gzlem de erlerinin aritmetik

ortalamas d r. Yani, O.R.=(X 5 + X6 )/2 = (4 +5)12=912=4.5 bulunur. Bu de erler s ralanm sende koyu olarak gsterilmi lerdir.

3.2.2.2 S n fland r lm verilerde ortanca

nce ortancan n hangi gzlem de erine kar l k geldi ini bulmak iin, n tek ise (n + 1)/2 'nci gzlem de eri, n ift ise i/2 'nci gzlem de eri ortanca s n f n meydana getirir. Takipteki e itlik

O.R.= L,, + c

(n/2) Ni

fortanca

yard m yla hesaplan r. Bu son e itlikle; L A , ortanca s n f n n alt s n r ile ortanca s n f ndan bir nceki s n f n st s n r de erlerinin aritmetik ortalamas n , N, , ortanca s n f ndan bir nceki s n fa kadar olan birikimli , ortanca s n f n n s kl n , n, gzlem ...den daha az s kl k de erini, fo say s n ve nihayet c ise s n f aral n' gstermektedir.
, a, a

rnek 5: rnek-2'de tan mlanan ve Tablo-3.1'de verilen A niversitesindeki 100 rencinin a rl klar n n s kl k da l m na ili kin ortancay bulunuz.
-

zm 5: Ortancan n hesaplanmas iin gerekli i lemler tablosu Tablo-3.3'de verildi i gibidir. Tablo-3.3'nin (3.) stun de erleri u ekilde elde edilmi tir. rne in, ilk de er, birinci s n f n s n f alt de eri ile kendisinden bir nceki s n f n s n f st de erinin ikiye blnmesi sonucudur ki bu de er, X i = (59 + 60)/2 = 59.5 bulunur. Stuna ait di er de erler de ayn ekilde bulunmu tur. Yine ayn tablonun (4.) stunundaki ...den daha az s kl k de erleri de s n flann sahip olduklar s kl klann bir nceki s kl kla toplanmas sonucunda elde edilmi lerdir. rnegin, ilk de er iin bu de er 59.52'den daha kk de er olmad iin s f rd r. kinci de er iin be , nc de er iin ise
-

40

kk de er olmad iin s f rd r. ikinci de er iin be , nc de er iin ise 5 ile 18 'in toplam olan 23'dr. Stuna ait di er de erler benzer biimde bulunmu lard r. Bylece elde edilen tablo 3.3 takipte verildi i gibidir. (1.) (2.) A rl k S kl k (kg) (.7;) 60-62 63-65 66-68 69-71 72-74 --5 18 42 27 8 (3.) 1
J

(4.) ...den daha az s kl k 0 5 23 65 92 100

59.5 62.5 65.5 68.5 71.5 74.5

Tablo 3.3 A niversitesindeki 100 rencinin a rl klar iin Ortanca i lemleri ncelikle n ift say d r ve 100/2 = 50 'nci gzlem de eri ortancaya kar l k gelmektedir. L 4 = 65.5, bu de er Tablo-3.3'nin (3.) stununda koyu siyah olarak belinilmi tir. c = 66 63 = 3, tablodaki (1.) stnn birbirini takip eden herhangi iki alt yada st s n r de erleri aras ndaki farkt r. = 23 ve = 42 'dir. Yine bu de erler de Tablo 3.3'in (2. ve 4.) stunlannda koyu /ortanca siyah olarak belirtilmi lerdir. Sonu olarak ortanca, O. R.= 65.5+ 3[(50 23)/421= 65_5+1.93 = 67.43 olarak elde edilir.

3.2.3 Tepe de eri (Mod)

Gzlem de erlerinin tamam n hesaplamalarda kullanmayan bir konutu lsdr. Tepe de eri, 7:.D. ile gsterilir ve en ok tekrar eden gzlem de eri olarak tammlarnr.

41

3.2.3.1 Basit seride tepe de eri

Basit seride tepe de eri, en ok tekrarlanan gzlem de eridir.

rnek 6: 1, 3, 5, 2, 4, 5, 6, 5, 7, 8, 3 gzlem de erlerinin tepe de eri 5'tir. nk be en fazla tekrarlanan (bu rnekte kez) gzlem de eri olmu tur.
-

3.2.3.2 Sunfland rdm s verilerde tepe de eri

Bu tr yerlerde tepe de erini, en ok s kl n grld s n f de eri olarak almak her zaman do ru bir karar olmaz. Bu nedenle, s kl k tablosu

2 )] e itli i ile dzenlenmi verilerde tepe de eri, T.D.= LA -1-C[F I(F + F hesaplan r. Bu e itlikte; T.D., tepe de erini, L A , en byk s kl n bulundu u s n f n s n f alt de erini, c , s n f aral n, F1 , en byk s kl k ile bir nceki s kl k aras ndaki fark ve F2 ise en byk s kl k ile bir sonraki s kl k aras ndaki fark gstermektedir.
rnek 7: rnek-2'de tan mlanan ve Tablo-3.1'da verilen A niversitesindeki 100 rencinin a rl klann n s kl k da l mna ili kin tepe de erini bulunuz.
-

zm 7: Tablo-3.1 'e dnersek en byk s kl n 42 oldu u grlr. Dolay s yla hesaplamada kullan lacak de erler s ras yla: LA = 66, c = 3, = 42 18 = 24 ve F, = 42 27 = 15 elde edilir. Bu de erleri T.D. hesaplama formlnde yerine yazarsak, T.D.= 66 + 3[24/(24 +15)] = 66 + (72/39) = 66 +1,85 = 67.85 kg. bulunur.
-

42

3.3 De i im lleri
Bu blmn giri k sm nda belirtildi i gibi bir s kl k da l m hakk nda bilgiler edinmek yada bu da l mlan kar lat rmak iin e ilim lleri yeterli de ildir. E ilim lleri yan nda gzlem de erlerinin birbirinden ne kadar farkl olabilece ini gsteren llere de ihtiya vard r. statistikte bu llere ise dei im lleri denilmektedir. Bu al mada, uygulamalarda en s k kullan lan drt tanesi yine anlat lacakt r. Bunlar s ras yla: De i im geni li i (ranj), mutlak sapma (ortalama sapma), varyans ve standart sapma, nihayet de i im katsay s dr.

3.3.1 De i im geni li i
Bir s kl k da l m yada basit sende en byk gzlem de eri, X,, ile en kk gzlem de eri, X, aras ndaki farka deiim genilii denir ve R ile gsterilir. Bylece matematik olarak de i im geni li i, R = X ,, X e itli i ile verilir.
rnek - 8: rnek-3'de verilen gzlem de erlerinin de i im geni li i kat r. ziim - 8: Gzlem de erlerinin en by , ise bu yle X, = 1 'dir. verilerin R= X I , X, =10 - 1= 9 'dur.

= 10 ve en k , geni li i, de i im

De i im geni li i, da l mdaki a n u de erlerden etkilendi i iin gzlem say lar e it olmayan iki rne in kar la t r lmas nda kullan lmas uygun bir l de ildir.

3.3.2 Mutlak sapma

Gzlem de erlerinin ortalamaya olan sapmalar n n mutlak de erlerinin aritmetik ortalamas na mutlak yada ortalama sapma denir ve M.S. ile gsterilir. Bylece basit bir sende mutlak sapma, A/f.S.= n IX, X e itli i ile hesaplan r. Bu e itlikte; X, , i. gzlem de erini, )7, aritmetik ortalamay ve n ise gzlem say s n gstermektedir. Ayn ekilde

43

s n fland nlm verilerde de mutlak sapma tan mlanabilir. yleki ; f , j. s n f n s kl , X, , j. s n f n s n f orta de eri,

)7 , s kl k da l m n n aritmetik
/' f j 13< j=i

ortalamas ve n toplam gzlem say s olmak zere M.S.=

e itli i ile verilir. Not edilmelidir ki; mutlak sapma, ortanca de eri kullan larak ta hesaplan r. Ancak burada bu tr hesaplama verilmeyecektir.

rnek-9: rnek-3'de verilen gzlem de erlerinin mutlak sapmas n bulunuz. zm-9: Gzlem de erlerinin aritmetik ortalamas , X = 59/11 = 5.364 bulunur.

M. S. = Eti : 1 1X, 5.3641/11

= {11 5.3641+12 5.3641+ +110 53641} /11 = 2.628 bulunur. Mutlak sapma ls, gzlem de erlerinin tmn hesaplamada kullanmas na ra men, mutlak sapmalar gz nnde bulundurdu u iin zay f bir de i im lsdr. Bu trl bir sak ncay ortadan kald ran ve uygulamalarda yayg n biimde kullan lan de i im ls, standart sapma hemen takipte verilecektir. dev: rnek-2'de tan mlanan ve Tablo-3.1'da verilen A niversitesindeki 100 rencinin a rl klar = s kl k da l m na ili kin mutlak sapmay bulunuz. Cevap: M. S.= 2.265 'dir.

3.3.3 Varyans ve standart sapma

Bir da l m tan mlayan iki nemli l ortalama ve varyanst r. Varyans n pozitif kare kk ise standart sapma olarak bilinir. Uygulamalarda kitle varyans , 62 , rnek varyans ise S' ile gsterilir. Do al olarak, okitlenin, S 'de rne in standart sapmas olur. Burada , standart sapma hem basit serilerde ve hem de s n fland nlm verilerde anlat lacakt r.

44

3.3.3.1 Basit seride standart sapma

Basit sende standart sapma, S= , -

n-i e itli i ile verilir.

Bu e itlikte; X, i. gzlem de eri, aritmetik ortalama ve n ise gzlem say s d r. rnek standart sapmas ile kitle standart sapmas aras ndaki tek fark, e itli in paydas ndaki ii yerine j` c ve paydada N yerine ( -1) kullan lmas d r. rnek-10: rnek-3'de verilen gzlem de erlerinin standart sapmas m bulunuz. zm-10: Gzlem de erlerinin aritmetik ortalamas , rnek-9'da X = 59/11 5.364 bulunmu tu. imdi de standart sapman n frmln kullanarak yleki; bulabiliriz. sonucu .1 " (X -5.364)71Q = [(1 - 5.364) 2 + (2 - 5.364) 2 +.-+ (10-5.364) 2 1/2 N/8.959 = 2.993 olarak elde edilir. Standart sapman n karesi varyans /10 S 2 = 8.959 bulunur. verece inden varyans

3.3.3.2 S n fland r lm verilerde standart sapma

Bu tr verilerde standart sapma, S
=

\ L

/ -

__. 2 /R-1

e itli i

, kullan larak hesaplan r. Bu e itlikte; Bu e itlikte; f., .,"; s n fn s kl , s n f n ortalamas , X , aritmetik ortalarnay ve ise gzlem say s n gstermektedir. S n fland nlm verilerde rnek standart sapmas ile kitle standart sapmas aras ndaki tek fark, basit serilerde de not edildi i gibi N yerine (4- 1) kullan lmas d r.
rnek-11: rnek-2'de tan mlanan ve Tablo-1 'de verilen rencilerin a rl klanna ili kin standart sapmay hesaplay n z. zm-11: Bu veriye ili kin aritmetik ortalama, rnek-2'de X = 67.45 kg. olarak bulunmu tu. Hesaplamalarda kullan lacak di er nicelikler takipteki

45

Tablo-4'de verildi i gibidir. Bylece standart sapma, s = .852.75/100 2.92 bulunmu olur. Dolay s yla varyans ise S2 = (2.92) 2 = 8526 'dir. A rl k (kg) 60-62 63-65 66-68 69-71 72-74 Toplam S kl k
(f j
)

X.,
61 64 67 70 73

(A- ;

- X) ( I , - X) 2
41.6025 11.9025 0.2025 6.5025 30.8025 208.0125 214.2450 8.5050 175.5675 246.4200 852.7500

5 18 42 27 8 100

-6.45 -3.45 -0.45 2.55 5.55

Tablo 3.4 A niversitesindeki 100 rencinin a rl klar iin Standart sapma i lemleri

3.3.4 De i im katsay s (V)

Standart sapma, ortalaman n yzdesi olarak tan mland nda de i im katsay s ad n al r ve V ile gsterilir. Matematiksel olarak, V = (oi:Y) x 100 e itli i ile verilir. Bu e itlikte; o- , standart sapmay ve X, aritmetik ortalamay gstermektedir. C S -5:(r) -. rnek-12: rnek-2'de verilen ve yine ayn rnekte aritmetik ortalamas , rnek-11'de standart sapmas hesaplanan rencilerin a rl klanna ili kin de i im katsay s n hesaplay n z. zm-12: rnek-2'de ortalama, 7Y = 67.45 kg. ve rnek-11'de standart sapma, o 2.92 bulunmu tu. O halde; de i im katsay s , V = (4:7 I x 100 = (2.92/67.45) x 100 = %4.33 bulunur. Standart sapma de eri, l birimine ba l d r. Bu nedenle ayr l birimleri ile llm iki farkl da l m n kar la t nlmas nda de i im katsay s kullan lmas yerinde bir karar olur.

46

Iki ba ms z da l ma ili kin de i im katsay lar kar lat r ld nda hangi de i im katsay s daha kk ise o da lm n daha az de i im gsterdi i (yani, daha homejen oldu u) sylenir.

3.3.5 Konu ile ilgili problemler

Problem 1: 1, 1, 2, 3, 3, 4, 4, 5, 5, 5, 6, 6, 7, 8, 8, 10, 12, 12, 14, 16 gzlem
-

de erlerinin: a. Aritmetik ortalama, ortanca ve tepe de erini bulunuz. b. De i im geni li i, mutlak sapma, standart sapma ve de i im katsay s m bulunuz.

Cevaplar 1: a. X = 6.6, O.R.= 5.5 ve T.D.= 5.0; b.

-

4.176 ve
-

V = %63.27

R .15, M.S.= 3.42 ,

Problem 2: Bir ara trma sonucu Tablo-IV.5'de verilen sonular elde

edilmi tir.
S n flar (.1)

A rl k

S kl k
(.7;) 5 12 16 12 5 50

1 2 3 4 5

(kg-) 05-09 10-14 15-19 20-24 25-29 Toplam: : ifi . n .i

Tablo 3.5 50 gzlem de erinin s kl k da l m tablosu Tablo-3.5'deki veriyi kullanarak: a. Aritmetik ortalama, ortanca ve tepe de erini bulunuz. b. De i im geni li i, mutlak sapma, standart sapma ve de i im katsay s n bulunuz. Cevaplar-2: a. X .17 , O. R.= 17 ve T.D.= 17.5; b. R = 24, 4.4 , o- 5.657 ve V = %3328 .

47

3.4 Olas l k Kuram na Giri

statistikte kullan lan tm teorik da l mlar birer olas l k da l m d r. Olas l k, tesadfi yada kesin olmayan olaylarla ilgilenir. e itli sonular verebilen bir deneyin herhangi bir denemesinde hangi sonucun elde edilece i tamamen ansa ba l deneyler olas l n konusunu meydana getirir. Olas l k, tesadf lik sonucunda ortaya kan belirsizli i, say sal olarak ifade etmek iin geli tirilmi teorik istatisti in temel alan d r. Istatistik teorisi, kme ve olas l k kavramlanndan hareket eden formal bir yap ol turur. Bu blmn amac , olas l n tan m n ve zelliklerini vermektir. Olas l n tan m iin baz temel kavramlann bilinmesinde fayda vard r. Bu amala baz nemli kavramlar k saca rnekleriyle verilecektir.

3.4.1 Baz nemli kavramlar

rnek (yada rneklem) Uzay . Bu blmn giri k sm nda, olas l k tesadfi deneylerle ilgilenir demi tik. te, bir tesadfi deneyin mmkn btn sonular ndan olu an kmeye rnek uzay ad verilir ve S ile gsterilir.

rnek 1: Alt yzl hilesiz bir oyun zann n bir kez at lmas deneyinde rnek uzay n olu turunuz. zm 1: Oyun zann n alt yz ve bir kez at ld nda oldu una gre; bir, iki, , drt, be ve nihayet alt noktal yzn herhengi biri sonu olarak ortaya kabilir. yleyse rnek uzay m z art k olu turabiliriz. Bylece rnek uzay ,
-

S = {1, 2, 3, 4, 5, 6} ile verilir.

dev: Hilesiz bir madeni paran n kez (yada hilesiz madeni paran n ayn anda) at lmas deneyine ili kin rnek uzay n olu turunuz. Cevap: Y ,yaz ve T, tura ile gsterilirse; rnek uzay S = {YYY, YYT, YTY, TY Y, YTT, TYT, 11 `Y, TTT} eklinde yaz labilir.
rnek Nokta. rnek uzay n n her bir eleman na rnek nokta ad verilir.

rnek 2: rnek- l'deki oyun zar n n her bir yz bir rnek nokta olu turur. Yani; , eleman say s n gsterirse rnek uzay , R= 6 elemanl bir uzay d r. Dolay s yla bu rnek uzay = 6 tane rnek noktas vard r denir.
-

48

rnek uzay ierdi i elemanlann say s na gre ikiye ayr l r. Bunlar, sonlu ve sonsuz rnek uzay olarak bilinirler. Sonlu rnek uzay . E er bir rnek uzay , sonlu say da (yada say labilir sonsuzlukta) eleman ieriyorsa sonlu rnek uzay ad n al r. rnek vermek gerekirse, rnek 1 ve dev-l'deki rnek uzaylan sonlu rnek uzay na birer rnek te kil eder. Sonsuz rnek uzay . E er bir rnek uzay , sonsuz say da (yada say lamaz sonsuzlukta) rnek nokta ieriyorsa bylesi uzaylara sonsuz rnek uzay denilir.

rnek 3: 10 ila 15 aras ndaki tm reel say lar kmesi say lamaz
-

sonsuzluktad r. nk, rnek noktalar n hepsini saymak (yada listelemek) olas de ildir.

Olay. rnek uzay ndaki noktalann bir alt kmesine olay denir. Olas l kta
olay, tesadfi olay anlam nda kullan l r.

rnek 4: Alt yzl hilesiz bir oyun zar n n bir kez at lmas deneyinde A
-

olay , zann ift gelmesi eklinde tan mlan rsa bu olay , A = {2, 4, 6} ile tan mlayabiliriz. Benzer ekilde, hilesiz bir madeni paran n iki kez at lmas deneyinde en az bir yaz gelmesi olay n da B ile gsterirsek bu olay , B = {YY , YT, TY} eklinde ifade edebiliriz. Olaylar meydana geli durumlar na gre basit, bile ik, kesin ve imkans z eklinde s n fland nl rlar. Bunlar takipte k saca verilecektir. Basit Olay. Tek bir deneyde tek bir sonu olarak gerekle en olaylara denir. rne in, hilesiz bir madeni paran n bir kez at lmas deneyinde tura gelmesi basit olayd r. Bile ik Olay. ki veya daha fazla olay n birlikte veya birbiri ard nca meydana gelmesi olay na denir. rne in, hilesiz bir madeni paran n iki kez at lmas deneyinde iki kez yaz gelmesi bile ik olay niteli indedir.

49

Kesin Olay. Bir olay, ,S rnek uzay n n bir alt kmesi oldu una gre S'nin kendisi de bir olayd r. te bylesi bir olaya kesin olay ad verilir. mkns z Olay. inde hi bir elemam olmayan kme (ba ka bir ifadeyle bo kme) yada kesin olay n de ili de rnek uzay nn bir alt kmesi oldu una gre bylesi olaylara ise imkans z Olay ad verilir. Gerekli temel kavramlar bylece a klad ktan sonra art k olas l n tanm verilebilir.

3.4.2 Olas l n tan m

Olas l n farkl yoldan tan m yap labilir. Bunlar k saca takipte verilecektir. Tan m-1: Bir tesadf deneyde n mmkn sonu ve ayr ca her sonucun ortaya kma olas l birbirine e it olsun. m de bu deneyde ilgilenilen bir A olay n n sonu say s ise (m_.5.n) A olay n n olas l , P(A) lgilenilen Olay n Sonu Say s veya Ttim Mmkn Haller Say s lgilenilen Olay n Eleman Say s rnek Uzay run Eleman Say s

m
n

olarak tan mlan r. Bu tan mdan takipteki sonular yaz labilir. 1. Olas l k daima s f r ila bir aras ndad r. Yani, 0 P(A) 5 1 . 2. Kesin olay n olas l , birdir. Yani, P(S) = 1 'dir. 3. mIdns z olay n olas l , s f rd r. Yani, P(0) = O' d r. Tan m-2: Olas l k, her basit yada bile ik olaya s fr ila bir aras nda bir reel say kar l k getiren fonksiyondur. Olas l k fonksiyonunun belirtildi i rnek uzay na olas l k uzay ad verilir. rnek-5: Alt yzl hilesiz bir oyun zamm bir kez at lmas deneyimde her bir yzn ste gelmesi olasil klan nedir.

50

zm-5: Bu deneye ait rnek uzay , rnek-1 'de verilmi ti. ilgili rnek uzay n n her bir eleman basit bir olay tan mlad na gre herhangi bir yzn ste gelmesi olas l birbirine e it ve 41) = 42) = 43) = 44) = 45) = 46) = 1/6 'd r. Ayr ca burada not edilmelidir ki rnek uzay n n her bir noktas na kar l k gelen olas l k birbirine e itse e ihtimalli olaylar uzaya da e ihtimalli rnek uzay ad verilir. Bu rnek e ihtimalli olaylardan olu an bir rnek uzay d r. Bir tesadf deney sonucunda olaylar n ortaya kma olas l birbirinden farkl oldu u zaman Tan m-1 ile verilen olas l k tan m anlam n yitirmektedir. Bu durumda olas l n s kl k tan m olarak bilinen takipteki tan m n n verilmesi uygun olur.
Tan m 3: Ayn artlar alt nda yap lan bir tesadfi deney n kez telcrarland nda ilgilenilen bir A olay f kez gerekle mi se A 'n n deneysel greli s kl , fin 'dir. rnek hacmi (gzlem say s ) n artarken greli s kl n n bir limite yakla t kabul edilirse bu limit de erine A 'n n olas l
-

denir ve P(A) = Lim(f In). m/n eklinde ifade edilebilir.

n-->m

3.4.3 Olas l n aksiyomlar

1. A ve B olaylar n n ayn anda gzlenmesi imkans z ise bu olaylara ayr k olaylar denir. A ve B gibi iki ayr k olay n kesi iminin olas l , 'dir. P(An B) = O 'd r. nk (An B) = 2. A ve B iki aynk olay ise bu iki olay n birle iminin olas l , P(A B) = P(A) + P(B) 'dir. 3. A ve B ayr k olmayan iki olay ise bu iki olay n birle iminin olas l , P(A ..) B) = P(A)+ P(B) P(A n B) 'clir. 4. A olay , S rnek uzay n n bir alt kmesi olsun. A olay n n tmleyeninin (btnleyeninin) olas l , P(71) = 1 P(A) 'd r. 5. S =(A,, , A n } sonlu rnek uzay nda olaylar kmesi olsun. VA, (i = 1, , n) olay na olas l k uzay nda kar l k gelen olas l k P(A,)
olsun. Bu durumda V P(A,) 0 ve P(A,) = 1 'dir.

51

3.4.4 artl (ko ullu) olas l k ve ba ms zl k

Bir olay n gerekle mesi, ba ka bir olay n gerekle mesi art na ba l olan olas l kt r. A olay olduktan sonra B olay n n olmas olas l , e itli i ile verilir. Benzer ekilde, B olay P(BIA) = P(A n B)/P(A) olduktan sonra A olay n n olmas olas l , P(AIB) = P(A n B)/P(B) ile hesaplan r. A olay B olay na yada tersine B olay A olay na ba l de ilse A ile B olaylar ba ms zd r denir. Bylece takipteki sonular yaz labilir. P(A n B) = P(A)P(B) olur. Buradan P(BIA)= P(A c B)/P(A) = P(B) ve ayrl ekilde P(A1B)= P(A n B)/ P(B) = P(A) elde edilir. A ve B olaylar ba ms z iki olay ise P(A n B) = P(A)P(B) = P(BIA)P(AIB) yaz labilir.
zm-6: A olay , iki zar n toplam n n alt gelmesi olsun. Bu olay n elemanlar A {(1,5), (2,4), (3,3), (4,2), (5,1)} ile verilir. Ayn ekilde B

olay , zarlardan birinin iki olmas olay olsun. Bylece B = {(2,4), (4,2)} elde edilir. Istenilen olas l k ise P(BIA) oldu una gre artl olas l k tan m 2/36 = 2/5 bulunur. Aynca gere ince P(BIA)= P(A n B)/P(A) = 5/36 P(A) 5/ 36 ve P(B) = 2/36 olduklar na gre P(A n B) = P(A)P(B) yada 1/18 # 5/18 oldu undan A ve B olaylar ba ms z de ildir, ba ml d r denir.

52

3.4.5 Konu ile ilgili problemler

bir Hilesiz Problem 1: A ={ En az tura gelmesi} ,
-

madeni

para

drt

kez

at ls n. ve

B = { En ok iki tura gelmesi} , C = { Drt tura gelmesi}

D = {Hi tura gelmemesi} olaylar tan mlans n. a. Deneye ait rnek uzay n olu turunuz b. A B , C ve D olaylann n gerekle mesi olas l klar n bulunuz. c. A ve B aynk olaylar m d r. d. A veya B yada (AL) B) olay n n gerekle mesi olas l nedir. e. A veya C yada (A v C) olay n n gerekle mesi olas l nedir. f. B veya D yada (Bu D) olay n n gerekle mesi olas l nedir.
,

Cevaplar-1: a. S = { YYYY, YYYT, YYTY ,YYTT , YTYY, YTYT, YTTY ,YTTT,TYYY , TYYT, b. 1/4 ; 5/8 ; 1/16 ; 1/16

c. (A n B) ={YYYT , YYTY} d. 3/4 , e. 5/16 , f. 11/16

-

oldu undan A ve B olaylar aynk de ildir,

Problem 2: Alt yzl ve hilesiz bir oyun zar arka arkaya iki kez at l yor. a. rnek uzay n n eleman say s kat r. b. Toplam n en az sekiz olmas olas l nedir. c. Toplam n en fazla sekiz olmas olas l nedir. Cevaplar 2: a. 36; b. 5/12 ; c. 13/18
-

Problem 3: Bir s n fta 20 k z ve 30 erkek renci vard r. 15 k z ve 20 erkek rencinin salar siyaht r. Bu s n ftan tesadfen bir renci seiliyor ve siyah sal oldu u grlyor. a. Bu rencinin k z olma olas l nedir. b. Bu rencinin erkek olma olas l nedir.
-

Cevaplar 3: a. 3/7 , b. 4/7

-

53

3.5 Baz nemli Olas l k Da l mlar

Bir rassal de i kenin aritmetik ortalama, varyans, asimetri ls ve bas kl k ls gibi baz nemli karekteristiklerin belirlenmesinde olas l k fonksiyonu ve olas l k yogunluk fonksiyonunun bilinmesi gerekir. Genel modeller ba l bulunduklar rassal de i kenin trne gre `kesikli' ve 'srekli' nitelik kazan rlar.

3.5.1 Binom blnmesi (X: kesildi)

Bir deney iin szkonusu olan 'olumlu-olumsuz', `ba ar l -ba ar s z', `geerli-geersiz' vb. iki mmkn sonula ilgilendi inde byle deneylere `Bemouilli deneyleri' ad verilir. `Bemouilli olas l k fonksiyonu' ise a a daki gibi gsterilir: P(x) = p .Y(I q) 1-x P(x) = 0 (x = 0,1 iin) (Di er durumlarda)

ki sonulu bir deney ardarda n defa birbirinden ba ms z olarak tekrarland nda `Bemouilli olas l k fonksiyonu'nun zel bir genellemesi olan `Binom olas l k fonksiyonu' elde edilir. X, n ba ms z deneyde kar la lan `ilgilenilen trden' sonu say s olmak zere, tek bir deneyde ilgilenilen trden sonu elde etme olas l `p' ve di er trden sonu elde etme olas l '1-p'olduunda a a daki artlan sa layan X'e `binom rassal de i keni' denir. a) Deney say s n sabit olup, rassal deney ayn artlar alt nda tekrarlanmaktad r. b) Tekrarlanan bu n deneyden herbiri iin 'olumlu-olumsuz', 'ba ar l ba ar s z', erkek-kad n' vb. eklinde iki durum vard r. c) p ve buna ba l olarak (1-p) birbiri ard nca yap lan deneylerde de i memektedir. d) Deneyler birbirinden ba ms zd r.

54

e) Tek bir deneyde ilgilenilen trden sonu elde etme olas l 0,05. Binom Olas l k Fonksiyonu
P(x) =" Cdf (1 q)" -x P(x) = 0 (x = 0, 1, 2,...n Di er durumlarda iin)

Her x iin 0 < P(X) < 1 eitsizli i geerlidir. Ayr ca olas l klar toplam l' e e ittir. rnek 1: Bir para 4 defa at ld nda, a) ki tura, b) En az bir tura, c) 'ten az tura gelmesi olas l klar n hesaplayal m. Bu rnekte, her at iin 'tura' ve 'yaz ' eklinde gzlenebilecek iki sonu olup, gerek tura gerkse yaz elde etme olas l sabit ve 1/2' ye e ittir. Bunun yan nda, bir at n sonucu di erlerinii etkilememekte ve toplam 4 at gzlem konusu olmaktad r. Dolay s yla binom olas l k fonksiyonu
P(x) = 4 C, ( / 2)x (1 / 2) 4' P(x) = 0

(x = O, 1, 2, 3, 4

iin)

(Di er durumlarda)

olur. Buna gre: a) P(2)

!

2!2!

(1 / 2) 2 (1 / 2) 2 = 0,3750

b) En az bir tura gelme olas l :

P(X 1) = P(1) + P(2) + P(3) + P(4)

= 0,2500 + 0,3750 + 0,2500 + 0,0625 = 0,9375 c) ten az tura gelme olas l

P(X < 3) = P(0) + P(1) + P(2) = 0,0625 + 0,2500 + 0,3750 = 0,6875

55

3.5.2 Poisson blnmesi (X:kesikli)

Bu blnme, belli bir alan iinde rassal olarak da lan veya zaman iinde rassal olarak gzlemlenen olaylar n zel durumlar iin geli tirilmi bir blnme eklidir. Poisson blnmesi ok kk gerekle me olas l na sahip olaylar n tekrarl deneyleri iin uygun bir olas l k blnmesidir. Bir retimde kusurlu mamllerin, ok az grlen bir hastal ktan lenlerin, 100 ya ndan fala ya ayanlar n, toprak kaymas ve sel bask nlann n blnmesi poisson blnmesine uygun bir matematiksel model olu turmaktad r. Belli bir alan iinde rassal olarak da lan veya zaman iinde rassal olarak gzlenen olaylar n say s X, u artlar sa l yorsa `Poisson rassal de i keni' ad n al r: a) Farkl zaman aral ldannda veya farkl alanlarda ortaya kan olaylar ba ms zd r. b) ok kk bir zaman aral nda veya ok kk bir alanda ilgilenilen olay bir defa kabilmekte, birden fazla ortaya kmas ise mmkn olmamaktad r. c) ok kk bir zaman aral nda veya ok kk bir alanda ilgilenilen olay bir defa ortaya kma

olas l (p) de i memekte ve p<0,05 e itsizli ine uymaktad r. d) Deney say s sons 7a yakla maktad r, yani ---->
00

'dur.

e) Belli zaman aral nda veya beli bir yerde ilgilenilen olay n ortaya kma say s 2. sabittir.
u Bir kentte bir hafta iinde meydana gelen lmcl trafik kazalar n n say s u Belli bir gnde leden nceki son onbe dakika iinde bir irketin telefon santralini arayanlar n say s u Bir i letmenin bir paray yenilemek zere bir haftada ald sipari lerinin say s u 3 ayl k bir srede bir makinenin bozulma say s u Bir fabrikada bir y l iinde gerekle en grevlerin say s

56

Poisson Olas l k Fonksiyonu X ilgilenilen olay n ortaya kma say s iken X'in olas l k fonksiyonu, = np > O olmak zere; P(x)

x,

(x = 0, 1, 2,... iin) (Di er durumlarda)

P(x) = 0

olur. Bu fonksiyona `Poisson olas l k fonksiyonu' ad verilir. rnek 2: Saat 9.10'dan 9.15'e kadar geen srede bir sekreterin ald telefon konu malar n n ortalamas n n 3 oldu unu varsayarak, bir sonraki gn ayn zaman aral nda sekreterin; a) Hi konu ma almamas b) Be konu ma almas , c) ikiden az konu ma almas olas l klann hesaplay n z. e -3 3x P(x) P(x) = 0 x (x = 0, I, 2,... iin) (Di er durumlarda)

a) Hi konu ma almamas olas l : P(0)

e 3 3 o!

0,0479(1)

0,04979

b) Be konu ma almas olas l : 0,0479(243) 120 P(5) 5!

e -3 3 5

0,10082

c) ikiden az konu ma almas olas l : P(0) =

e 3 3 O!
e-3 3 1 _.. .

0,0479(1) 0,04979 1 0,0479(3) 0,14937

P(1) =

P(X < 2) = P(0) + P(1) = 0,04979 + 0.14937 = 0,19916

57

Poisson Blnmesinin Momentleri Aritmetik Ortalama: ,u = Va yans: 1.12 = Asimetri ls: a 3 =1 I NTX. Bas kl k ls: a4 = 3 + 1 /

3.5.3 Hipergeometrik blnme (X:kesikli)

Binom blnmesinde seim i lemi iadeli yap l rd . rnek mevcudunun ana kitleye oranla kk oldu u hallerde rnek seimi iadesiz yap lm olsa idi bams zl k varsay m yakla k olarak geerli oldu undan binomun kullan lmas nemli bir sak nca yaratmamaktad r. Buna kar l k seimin iadesiz oldu u ve rneklemin(rne in) ana kitleye oranla byk oldu u (nN > 0.05 ) hallerde Bernoulli denemeleri varsay mdan uzakla lmakta ve her birimin seilmesi olas l bir nceki seimin sonucuna ba l olmaktad r. Bu ve benzeri durumlarda binom yerine hipergeometrik blnme kullan l r. zellikle "kalite kontrolunda" yayg n olarak kullan lmaktad r. Bir olay n toplam birim say s N olsun. Bunlar aras nda ilgilenilen grubun birim say s A ve tm birimler iindeki oran da pA/N olsun. Geri kalan, yani ilgilenilmeyen birimlerin say s (N-A) ve tm birimler iindeki oran da q = (N-A)/N olur. Byle bir topluluktan iadesiz ve tesadfi olarak n birim al ns n. n birimden X tanesinin ilgilenilen gruptan ve geri kalan ( n x) tanesinin de di er gruptan olmas arzu edilsin x birim A birim aras ndan ACx kombinasyonu kadar farkl ekilde seilebilir. lgilenilen x birimin ve ilgilenilmeyen ( n-x) birimin ait olduklar gruplardan ayn zamanda ekilmesi ise ;

A C x. N-A C n x arp m kombinasyonu ekilde olu ur. Bylece X: kesildi rasgele de i kenin olas l k fonksiyonu yledir;
-

58

. N-A C n-x P(X=x) NCn Hipergeometrik da l m n, Ortalamas . = E(x) = n.p , Varyans cr2=V(x) = npq. (N-n)/(N-1)'dir. Da l m parametreleri ise ; N , A ve n olmak zere 3 tanedir. rnek 3 : Bir A firmas = deposunda retti i kal p yapma tezgah ndan 10 tane bulunmaktad r. Bunlardan 5 tanesi sa lam ve 5 tanesi bozuktur. Bu depodan 4 tane bak m iin tezgah al n rsa, bunlar n; a. Hepsinin sa lam, b. tanesinin sa lam olmas olas nedir? X= 0,1,2,3n

zm : Buradaki olay "Hipergeometrik blnme" artlar n sa lamaktad r. Problemde N=10, A=5, n=5 olmaktad r. Buna gre, a. P(X=4) = 5 C 4. 5 C O / 10 C 4 = 0.0238 bulunur. b. P(X=3) = 5 C 3. 5 C 1 / 10 C 4 = 0.238 bulunur.

3.5.4 Normal blnme (X:srekli)

Binom ve Poisson blnmeleri kesildi olas l k blnmeleridir. Bu blnmelerde de i kenin alabilece i de erler, `sonlu' veya 'say labilir sonsuzlukta' tam de erlerle ifade edilmektedir. Ne varki ara t rmalarda o u zaman kar la lan de i kenler say lamayacak kadar ok de er alan de i kenlerdir. Bu tr de i kenler 'srekli rassal de i kenler eklinde tan mlanmakta ve de i kenlere ili kin 'srekli olas l k blnmeleri' veya `olas l k yogunluk fonksiyonlan' dzgn bir e ri yakla m yla belirlenmektedir. Sz konusu e rinin ekli, gzlemi yap lan srekli de i kenlere ba l olarak de i mektedir. Ancak birok uygulamal bilim

59

dal nda gzlemlenen srekli rassal de i kenlerin byk bir o unlu unun frekans blnmeleri yakla k olarak an e risi grnmnde olup, 'normal olas l k yo unluk fonksiyonu' ad verilen bir fonksiyonla ifade edilmektedir. Normal olas l k fonksiyonu gerek teoride gerekse uygulamada en ok kullan lan bir matematiksel model durumundad r. Di er taraftan, normal blnmeyen bir anakitleden ekilen rneklemlerin ortalamalamun blnmesi, belirli artlar alt nda normal blnmeye yakla r. Normal olmayan, hatta bazen ok asimetrik ekillerdeki blnmeler bile, de i kene uygulanacak basit dn mler sonucunda normal blnme eklini al r.
f(x)

30

2a N la k .

,u+la

+ 2a

g+ 3a

68 .26 96 3j
-

95.46% 99.73%

ekil 3.1 Normal blnme

Olas l k Yo unluk Fonksiyonu

Srekli rassal de i ken X'in olas l k yo unluk fonksiyonu

f (x)

e -Q--,012-'
cr< 2 r

or) < X < +co

ise, 'X normal blnmeye sahiptir' denilir ve gsterilir.

X N(u,

62 )

eklinde

60

Bu fonksiyonda,
Ii:

Normal blnmenin ortalarnas n ve

o: Normal blnmenin standart sapmas n ifade etmekte olup, ayr ca e=2,71828 ve r = 3,14159'dur.

Normal blnme u zellikler sahiptir:

a) Normal blnme X = /.. do rusuna gre simetriktir. Di er bir deyi le, p ortalamas tam ortadad r ve alan iki e it paraya bler.
b) f (x) e risinin alt ndaki ve apsisin yukans ndaki alan l'e e ittir.

c) Maksimum ordinat X = ,u 'dedir. d) Asimetri ls a3 = 0 ve Bas kl k ls a, = 3

3.5.5 Standart normal blnme (Z blnmesi)

De i ik aritmetik ortalama ve varyanslara sahip btn normal blnmeler
Z

- ,

t[

P {x

a a} = F(a) = S_

,/2. t

dx

eklindeki bir i lemle ortalamas , = 0 ve varyans o-2 =1 olan normal o_ 2 ve blnmeye dn trlebilir. te ortalams ,u = O, varyans olas l k yo unluk fonksiyonu;
f (z) 2 r e cx) < z -i-co

olan normal blnmeye, 'standart normal blnme' veya 'birim normal blnme' ad verilir. f (z) olas l k yogunluk fonksiyonu oldu undan, f (z) e risi alt nda ve apsisin yukans nda kalan alan l'e e ittir. Bu fonksiyondaki z'ye standart normal de i ken ad verilir ve z N(0,1) eklinde gsterilir.

61

Z de i keni normal bir blnmeye sahip oldu unda, X'in a ve b aral nda bulunma olas l
1 2 P(Cl < X <b)=S -r e z dz

27r

yani f (z) e risi alt nda, apsisin yukans nda ve X=a ile X=b do rulan aras nda kalan aland r. Bu ilkeden hareketle, standart normal de i kenle ilgili e itli olas l klar hesaplamr. Bu hesaplamalan kolayla t rmak iin e itli (z)
de erleri iin normal e ri alanlar tablolar ndan (birikimli (z) veya birikimsiz (z) ) yararlan lmaktad r. rnek 4: Bir erkek grubunun boy uzunluklan 165 cm aritmetik ortalamal ve

16 cm standart sapmal normal blnmeye sahip oldu unu varsayarak, boy uzunluklan a) 165-181 em aras nda, b) 173 cm den fazla, c) 153-185 cm aras nda, d) 157 cm den az veya 177 cm den fazla, e) 185-189 cm aras nda olanlarn oramm hesaplayal m zm : a) Boy Uzunluklan 165-181 cm Aras nda Olanlarn Oran : Z = (181- 165)/ 16= +1 ,
Z2= (165-165)/ 16=0

P ( O < Z < +1) yaz l r. Bu ifade ayn durumda F(1) F(0) demektir. Birikimli Z tablodan yararlamlarak ; F(1)=0.8413 ve F(0)= 0.5000 okunur. u hale gre, boy uzunluklan 165-181 cm aras nda olanlar n oran 0.8413 0.5000 = %34,13'tr.

62 b) Boy Uzunluklar 173 cm den Fazla Olanlar n Oran : P( X > 173 ) = P( Z > (173-165) / 16 ) = P(Z > 0.5 ) olur. Bu durumda; P(Z > 0.5 ) = 1 F(0.5) yaz labilir. Z tablosundan F(0.5)= 0.6915 okunur. Bylece boy uzunluklan 173 cm den fazla olanlar n oran : 1 0.6915 = %30,85 'dir. c) Boy Uzunluklan 153-185 cm Aras nda Olanlar n Oran : P( 153 <X < 185 )= P( (153-165)/16 <Z < (185-165)/16 )= P( -0.75<Z<1.25) = F (1.25) F(-0.75) = F(1.25)- (1-F(0.75)) = F(1.25) 1 + F(0.75) yaz lar. Z tablosundan ; F(1.25)=0.8944 , F(0.75)=0.7734 okunur. Bylece boy uzunluklan 153-185 cm aras nda olanlar n oran : 0.8944 1 + 0.7734 = %66.78 'dir. d) Boy Uzunlulclan 157 cm den Az veya 177 cm den Fazla Olanlar n Oran : P( X < 157 ) + P(X >177 ) sorulmaktad r. Buna gre ; P( X < 157 ) = P( Z < (157-165)/16) = P(Z < -0.5) = F(-0.5) olur. Z tablosundan F(0.5)= 0.6915 okunur. Sonuta ; P( X < 157 ) = 1-F(0.5) = 1- 0.6915 = 0.3085* bulunur. Yine; P(X >177 )= P( Z > (177-165)/16) = P(Z > 0.75) = 1- F(0.75) bulunur. Yine Z tablosundan F(0.75)= 0.7734 okunur. Bylece; P( X < 157 )= 1-0.7734 = 0.2266* bulunur. Bu duruma gre istenen oran 0.3085 + 0.2266 = /053,51 olur.

63

e) Boy uzur llklan 185-189 cm Aras nda Olanlar n Oran : P( 185 <X< 189 )=P ( (185-165/16 <Z < (189-165)/16 ) = P ( 1.25 < Z < 1.5 } bulunur. P (185 < X < 189 )= F( 1.5 ) F(1.25 ) yaz l r. Yine Z tablosundan ; F(1.5) = 0.9332 , F(1.25)= 0.8944 okunur. Sonuta ; Boy uzun1uldan 185-189 cm aras nda olanlann oram u ; 0.9332 0.8944 = % 3.88 'd r.
rnek 5 : Bir s navda notlar Normal da l ma uymaktad r. S nav n not ortalamas = 70 puan ve standart sapmas = 10 puan bulunmu tur. Buna gre rasgele seilen bir rencinin notunun; a) 75 'den byk olmas olas l kat r? P(X>75)=? b) 60'dan kk olmas olas l kat r? P(X<60)=? c) P( 40<X<70) =? zm : Burada X N( 70 , 100) oldu u anla l r. Buna gre a) P(X > 75) = P( Z > (75-70)/10 ) = P(Z>+0.5) = 1- F(0.5) yaz l r.

Z tablosundan F(0.5)= 0.6915 okunur. Sonuta 1- 0.6915 = 0.3085 bulunur. Di er bir benzer anlamda ; "s nava girenlerin %30.85' i X=75 puan n zerinde not alm lard r." b) P(X<60)=P(Z< (60-70)/10 ) = P(Z< -1)=F(-1)=1 F(1)=1 0.8413=0.1587 Yani "s nava girenlerin % 15.87 'si X=60 puan n alt nda not alm lard r. c) P( 40<X<70) = P( -3 < Z < O ) = F( 0 ) F(-3) = F(0) 1 +F(3) yaz l r. Buradan ; bulunur. Yani " s nava P( 40<X<70) = 0.5000 1 +0.9989 =0.4989 lard r. nda not alm (40 ile 70 puan) aras girenlerin % 49.89

64

3.6 Bir Da l m n Normalli ini Bozan Nedenler

1. Fiziksel s n rlar dolay s yla da l m n belirli bir noktadan teye gerememesi, 2. Herhangi bir ar za nedeni ile yanl de erler veren bozuk lme aletinin kullan lmas , 3. lmeyi yapan ahs n psikolojik sorunu ve saplant lanrun varolmas , 4. % 100 muayene yap ld nda normal da l m n u k s mlar = bozulup, k eli, dikdrtgen da l m n olu mas , 5. Fiziksel artlardaki de i meler. Farkl malzeme ve tak mlann kullan m . 6. Normal da l m e risinin en yayg n kullan m alanlar ndan birisi de "Spesifikasyon" kontroludr.

3.7 Kalite Kontrol Uygulamalar

rnek 1 : Adapazar nda faaliyet gsteren ve Kamyon yedek paras ( n amurluk) imal eden bir fabrikan n gnlk retimi 1000 adettir. retimde kusurlu para oran % 1 olarak bilinmektedir. Her saat ba nda retim hatt ndan rasgele al nan 100 adet n amurluk' muayene edilerek "sa lam / bozuk " eklinde s n fiand nlmaktad r. Muayene sonucunda 2'den fazla bozuk bulundu unda imalat durdurulmaktad r. Herhangi bir zamanda imalat n durdurulma olas l n hesaplay n z. zm 1 : Poisson da l m ile, Kabul say s na C denirse, C 5 2 halinde kabul, C > 2 halinde red karar na var lacakt r. Burada , n = 100 (byk de er) , p < 0.05 yani, p = 0.01 'din O halde,
100 P( X>2) = i
X=3

oo C X (0.01)x .(0.99) m-x = 0.08

Fakat, Binom da l m ile sonuca gitmek grld gibi zordur. Bu durumda Poisson da l m ile ; l = n . p = 100 . (0.01) = 1 'din

65

2 P(X>2) = 1- P( X 5. 2) = 1- E exp (-1) . 1 / x! = 0.08

X=0

bulunur. rnek 2 : Nominal (Dizayn) ap 1/2 cm olan ivilerin Normal da ld bilinmektedir. Bir imalat partisine ait da l m n Ortalamas =0.5000 cm ve Standart sapmas = 0.0005 em oldu u taktirde, ivilerin ap n n ; a) 0.49902 cm ile 0.50098 cm aras nda olmas olas l kat r? b) malatta 0.49902 cm ile 0.50098 cm aras ndaki rnler kabul (geerli) edilece ine gre herhangi bir gnde retilecek bir ivinin kabul edilmeme (standart d yap lma) olas l kat r? zm 2 : Normal da l m ile, Burada, X: ivilerin ap N ( 0.5 , 0.0005 2 ) ile ifade edilir. a) P (0.49902 < X < 0.50098) = P ( (0.49902-0.5)/0.0005 < Z < (0.50098- 0.5) / 0.0005 ) = P ( - 1.96 < Z < 1.96 ) = 0.9750 ( 1 0.9750) = 0.95 b) 1- P ( 0.49902 < X < 0.50098 ) = 1 0.95 = 0.05 bulunur. rnek 3 : Ev tipi radytrlerin s tma sistemi iin retilen kk elektirik motorlar 50 adetlik ambalajlar iinde piyasaya gnderilmektedir. Byle bir parti gnderilmeden nce motorlardan 5 tanesi rasgele seilip "muayene / test" edilmekte, tm sa lamsa 50'lik parti kabul edilmektedir. E er 1 veya daha fazla kusurlu motor bulunursa tm parti %100 muayeneye tabi tutulmaktad r. Tm parti iinde 3 kusurlu motor bulundu u taktirde tm partinin %100 muayene edilme olas l n hesaplay n z. zm 3 : Hipergeometrik da l m ile ; Burada, X 1 ise %100 muayene edilir, X<1 ise yani X=0 , kabul.

66

3 C O . 47 C 5 P(X1)=1P(X----- 0)= 1= 0.28

50 C 5
rnek 4 : Bir fabrika , bro kullan m iin imal etti i "z mba telini- kutuda" 100'lk kumlar halinde ambalajlamaktad r. Bu ambalajlardan rasgele al nan 20 z mba teli kutusunu muayene etmekte ve 1 hatal bulursa partiyi red etmektedir. Buna gre 2 hatal z mba teli kutusu ihtiva eden bir ambalaj kutusunun kabul edilme olas l nedir? zm 4: a) Hipergeometrik da l m ile ; 2 C O . 98 C 20 P( X O) 50 C 5 Binom da l m ile ;
0 20

= 0.638

P( X = 0 ) = 20 C O . (0.02) . ( 0.98 ) = 0.667 bulunur. rnek 5 : Bir imalat hatt nda kusurlu para oran %5 olarak bilinmektedir. Buna gre rasgele olarak seilen 1000 rnekte 35'ten ok kusurlu bulunmas olas l kat r ? zm 5: Binom da l m n n Normal da l ma yakla mas ile , Burada , 1,1= n.p = 1000 . (0.05) = 50 , = 6.892 hesaplan r. = n.p.q = \T600.( 0.05).(0.95)\ P(X?_35 ) = P( Z (35-50)/ 6.892 ) = P (Z_.-2.25)= = 1 P ( Z < - 2.25) = 0.9872 bulunur.

67

rnek 6 : Bir montaj , a a daki ekil 3.2'deki gibi 3 balant dan olu maktad r.

ekil 3.2 Montaj Ba lant lar

X , X2, X3 a a daki zelliklere sahiptir ;

XI N ( 22 cm , 0.02 cm2 ) X2 N ( 34 cm , 0.04 cm 2 ) X3 N ( 28 cm , 0.03 cm2 ) Bu ba lant paralar "farkl makine ve i i taraf ndan imal ediliyor" X1 , X2, X3 birbirinden ba ms zd r denir. Buna gre montaj uzunlu u Y `nin 83.8 cm ile 84.2 cm aras nda bulunmas olas l nedir? zm 6: Normal da l m ile, Y = X1 + X2 + X3 'den Y Normal da l r. y = 22 + 34 + 28 = 84 cm , 62y = 0.02 + 0.04 + 0.03 = 0.09 cm 2 elde edilir. Buradan , P ( 83.8 :5_ Y 5_ 84.2) = 0.498 bulunur.

68

rnek 7 : Ortalama a rl 0.5 k ve standart sapmas 0.1 k olarak Normal da lan bir tr "yedek paradan" 250 adeti bir kutuya doldurularak ambalajlamyor. Bu kutulardan 20 tanesi bir oynar palet zerine yerle tirilerek mteriye gnderilmektedir. Palet ve kutu a rl klar g5znnde bulundurulmaks z n rasgele seilen bir paletin 2510 k 'dan a r gelmesi olas l nedir? zm 7: Normal da l m ile , Y = X + X2 + X3 + + X5000 gibi gsterilmektedir. Buna gre y = 5000 . ( 0.5 k ) = 2500 k , 62y =5000 ( 0.1 k 2) = 50 k 2 s yla P ( Y > 2510 ) = P ( Z > (2510-2500) / 7.071 = 0.07929 Dolay bulunur.

< o.1
B

P < O .1

np > 10 P

A 15
N

ekil 3.3 Olas l k Da l mlarm n Ba lant lar

69

4. BLM GELENEKSEL KALITE KONTROL TEKN KLER

" TEMEL SORUN BULMA-ZME TEKN KLER "

4.1 Giri
retimde kalite kontroluna "Sre kontrolu" ad verilir. retimin her safhas n n kontrol alt nda tutulmas iin e itli kalite kontrol teknikleri geli tirilmi tir. Bunlar yedi method olarak bilinir. 1. 2. 3. 4. 5. 6. 7. etele diya ram (frekans da l m ) Histo ram (Stun graf i) Pareto Analizi Sebep-sonu Analizi (K l k diya ram ) Tabakalama Serpilme diya ram Kontrol Grafikleri

Bu metdotlann tek tek kullan m mmkn olabilece i gibi kalite problemlerini zmek ve hatalar n nedenlerini ve nerelerden kaynakland n ortaya karabilmek iin bir arada da kullan labilirler. Yukanda belirtilen etele diya ram ve Histo rama ait bilgilere nceki blmlerde verilmi ti. Bu blmde 3 , 4 , 5 ve 6 'ya yer verilecektir. Bu blmde yer verilecek olan metodlar ok fazlaca istatistiki anlam ta mazlar. Ancak sorun belirleme ve giderme etkili yntemlerdirler. Kalite Kontrol gratiklerine ise kitab n be inci blmnde aynnt lanyla yer verilecektir.

70

4.2 Pareto Analizi

"Pareto analizi" Dr. Vilfredo Pareto taraf ndan geli tirilmi olup, K saca ; bir sonu elde edilmesinde e itli faktrler tarafndan oynanan rollerin tesbit edilmesi iin bir ara olarak kullan lmaktad r. Bununla birlikte "Pareto da l m " da olas l k da l mlar iinde yer almaktad r. Yine bu da l m ve analizi "Maliyet ve hata analizi yapmak " iin de kullan l r. Bu analizle de i ik paralar iin retim hatalar n n direkt i ilik giderlerinin veya maliyetin % ne kadar n olu turdu u gsterilebilmektedir. Bylece kalite kontrol elemanlar emeklerini daha verimli bir ekilde kullanmaya ynelirler. Bu da l mdan ve analizinden yararlanarak hangi paralar n maliyet bak m ndan nemli oldu u tesbit edilir. Dolay s yla, kontrol al malar daha ok bu paralar zerinde yo unla t r l r. Di er paralar iin kritik para olmad srece gev ek kontrollerle yetinilebilir. Pareto analizine ba ka bir yndem bak ld nda; rne in, tm gider kalemleri kurum iin ayn nem ta maz. Genellikle giderlerin o unu 2-3 kalem olu turur. Pareto da l m ile bunlardan en a rl kl olan olanlar s ralanabilir ve kalite geli tirme al malar bu bir ka kaleme yneltilebilir. Hata oranlar na gre yap lan bir pareto analizinde nemli olarak ayr lan birka e it hatan n toplam skartan n byk miktar n meydana getirdi i grlr. Pareto analizleri, e itli olaylara ilikin sonularn %80'inin %20 'lik sebeplerden kaynakland varsaym na dayanr ve kaliteyi etkiledi i d nlen tm unsurlar n de erlendirilmesi iin yap l r. Analizlerde kullan lan grafik-diyaram temel sorunu olu turan alt problemler ya da sebeplerin yzde etkilerini soldan sa a azalan bir dzende graf ksel gsterimini sa lar. Pareto grafi i, problemin tan mlanmas ve yap lan iyile tirmenin seviyesinin llmesi amac yla kullan labilecek nemli bir arat r. A a daki ekil 4.1 "Hatam da l m n gsteren" bir Pareto grafidir.

71

c.

H ta ur rn

ekil 4.1 Hatan n da l m n gsteren bir Pareto graf i

rnek : Bir fabrikada "ampul telleri " lehimlenmektedir. Bir hafta iinde tel
lehimleme ile ilgili olarak 416 adet lehimleme hatas bulunsun. Bunu tablo 4.1 gstermektedir. Lehimleme e idi No Tan m: Hata Adedi 1 Yamuk lehim 198 2 Lehimsiz Tel 25 3 Yanl Tel 103 4 Lehim Ak nt s 18 5 Kal n Lehim 72 Toplam 416 Tablo 4.1 Lehimleme hatalar kaynaklar Daha sonra hatalar bykten k e do ru % 'lere gre s ralan r ve Pareto graf i olu turulur. Karar verilir. Hata Tipi Hata Yzdesi
ISkarla

Hata yzdesi 47.6 6.7 24.8 4.3 17.3 100.0

Yamuk lehim Yanl Tel Kal n Lehim Lehimsiz Tel Lehim Ak nt s

47.6 24.8 17.3 6.0 4.3

Yarr u s LeNm

Ya lbs Tel ga+.r .e! rr

LeR nS 7. e1 Akint

72

4.3 Neden-Sonu Analizi

nl Japon kalite kontrol uzman ve kalite devriminin mimarlar ndan Prof.K.Ish kawa, i letmelerde kalite sorunlar n n nedenlerini belirlemek iin bir metod geli tirdi. Bir hayli ba ar l olan ve kendi ad yla da an lan bu ynteme "Bal k k l diya ram " da denilmektedir. Bu diya ram, hammadde a amas ndan e itli i lemlerle ula lan son rn a amas na kadar bir i lem srecinin sunuldu u yararl bir diya ramd r. Uygulamas olduka basit olan bu yntem, sorunun nedenlerini sistemli bir biimde ara t rmaya yneliktir. ekil 4.2 "yap sal olarak bal k k l n " gsterir.
NEDENLER

Ak neden

Ana neden

ekil 4.2 Bal k k l Diya ram n sol taraf nda "Nedenler" , sa taraf nda da "Sonu" yer al r. Tek bir sonu genellikle bir sorun- inceleme konusudur. Nedenler ise ana gruplar halinde ele al n r , her ana nedenin alt nedenleri vard r. Tipik olarak sorun bir kalite zelli idir. rne in ; boyut , sertlik, dayan kl l k,... vb. zellikler veya fire oran , hatal rn oran gibi sorunlard r. Nedenler ise kimyasal yap , imalat yntemi, kullan lan lm cihaz veya eleman n i bilgisi v.b gibidir.

73

Bir bal k k l diya ram a a daki s ra iinde geli tirilir ; 1. Ara tr lacak sorun bir kutu iine al n r ve kal n bir olda gsterilir.

Kesitte ovallik

ekil 4.3 Bal k k l olu umu 1

-

2. Bu soruna sebep olabilecek ana nedenler birer kutu iine al narak bu ok'a ba lan r.
Uygulanan yntem retim ekipman

i Operatr

Kullan lan malzeme

ekil

4.4 Bal k k l oluumu -2

3. Her ana nedenin hataya sebep olabilecek alt nedenleri i aretlenir.

74

ekil 4.5 Bal k k l olu umu - 3 4. Tm alt nedenler (temel nedenler) tan mlan ncaya kadar diya ram dalland nl r.

Uygun olmayan u Olum hatas Kalibrasyon

Yatak A nma T tre im

C vata

Yalama

EttIM Motivasyon az Fazla yumu ak Dikkatsizlik Tecrbe az Yuzey prz

E t de il

Fazla sert

Malzeme

ekil 4.6 Bal k k l olu umu - 4 5. al may yapan grup yeleri (Beyin f rt nas kurallan uygulayarak) en nemli nedenleri belirler.

75

Neden- Sonu analizinin yararlar : Yntem, sorunlann zerine giden aktif bir ynetimi geli tirir. Diya ram n haz rlanmas ileti imi glendirir. Herkezin dikkatini bir noktaya toplamas n sa lar. Ba l ba na e itici bir al mad r, herkezin bilgisini geli tirir. Yetilerin toplanmas n ve konuya bilimsel biimde yakla may sa lar. Konuya hakimiyeti s namak iin e iz bir tekniktir. Tm sorunlara uygulanabilir.

Btn bu say lan nedenlerden tr, yneticiler her sorunla ilgili olarak bal k k l diya ram nn uygulanmas n istemelidirler.

rnek :
Personel Sat c Firma

Hatal sevkiyatlar Sat n almac hatas Mlz.Takio sorunlan Hatal mlz.bilgisi Planlama Hatas Ileti im Eksikli i rn a ac n n hatal olmas

MEKANIK
MALZEMELERIN GECIKMESI

Etkin kullan lamama Denetim srelerinin uzun olmas Onayl firma k s tl l MIz'lerin s k ve az al nmas

Malzeme bilgilerinin gncellenmemesi

Teknik

Malzeme

76

4.4 Tabakalama (Grupland rma)

Hata sebeplerinin ara.t nlmas nda kullamlan basit bir arat r. retimde farkl makinalardan veya tezgahlardan elde edilen rnler genellikle ayn yerlerde biriktirilmekte ve kontrolleri daha sonra yap lmaktad r. Burada kontroller sonucu elde edilen hatal ve hatas z rnlerin hangi makinalardan kaynakland n bulmak olduka zordur. Bu nedenle farkl makinalardan elde edilen rnleri farkl yerlerde biriktirmek ve ayr kontrole tabi tutmak makinaya veya tezgaha ait bir olumsuzlu un hemen tesbit edilmesini ve hatan n kayna nn bulunmas n sa lar.

4.5 Serpilme Diya ram

Kalite sorunlar nn zmnde o u kez hatalara neden olan faktrler arat nl r. Tipik olarak bir de i kenin ba ka bir de i kenle ili kisi (alakas ) incelenir. rne in , makina titre iminin yzey dalgalanmalanna etkisi veya bas n d mesinin paralar n dayan kl l k performans na etkisi gibi. Neden-sonu analizlerinde ve de i kenler aras ndaki ili ki arat rmalarnda da l m(serpilme) diya ramlanndan ve korelasyon analizlerinden yararlaml r. Da lma diya ram , bir de i kenin ili ki aranan di er de i kenlere gre gsterimidir. A a daki ekil 4.7'da bir i letmedeki A rn elemanlar nn boylan(X) ile a rl klannn(Y) serpilmesini gstermektedir. Burada her nokta bir elemamn (X,Y) de erini temsil etmektedir.

y
100

77

90 A rl k, kg go 70 60 50 40

140 150 160 170 180 190 200 x Boy, cm

ekil 4.7 Pozitif ili kili serpilme diya ram ekil 4.7'den grlece i gibi, boy ile a rl k arasmda yak n bir ili ki gzlenmektedir. Burda boy ile a rl k aras nda pozitif ili ki vard r.Yani; Boy artarken a rl kta artmaktad r. E er negatif ili ki olsayd , boy artarken a rl k azal rd . Bu durumu ekil 4.8 ile grebiliriz.

Negatif ili ki Ar za duru Say s

Planl bak m giderleri

ekil 4.8 Negatif ili kili serpilme diya ram E er de i kenler (X, Y) aras nda bir ili ki yok(ok zay f) ise serpilme diyarammda noktalar yumak grntsnde olacakt r.

78

depl

Znd. popt4

laylf-ntptif

ekil 4.9 Zay f ili kili serpilme diyaram E er de i kenler aras nda tam (veya kuvvetli) ili ki varsa serpilme diya ram ekil 4.10 ile grlebilir.

X; K lvvet4.,g tif

ekil 4.10 Tam (veya kuvvetli) ili kil serpilme diyaram

Korelasyon Katsay s
X ile Y, ortalamalar 4, ile p r , varyanslar cd ile vY olan bir ift rassal de i ken
olsun. Bunlar n aras ndaki do rusal ili kinin gcn gsteren bir ly, a a daki gibi tan mlanan korelasyon katsay s p verir.

p = Kor(X, Y) =

Orv(X, Y) axirty

ERX i ,XY p r fi
NiERX gx) 2 1ERY

PrYi

79

Akla u soru gelecektir ; "Bu ili kinin , derecesini ve de ynn daha objektif biimde nas l buluruz ?" Bu sorunun cevab iin "Pearson'un rneklem Korelasy on Katsay s " forml ile ifade edilen e itlik yard m ile sonuca var l r. Forml uygulan r. r yledir ;
. YY XY -

t
Sx;
)2

x, yi x7
y n"9 )

zxz _

Bu forml ile bulunan sonular -1 ile +1 aras ndad r. Yorumlar a a daki gibi yap l r;
(i) (ii) (iii) 1'lik bir korelasyon, ters ynl tam do rusal bir ili ki anlam na gelir. l'lik bir korelasyon, ayn ynl tam do rusal bir ili ki anlam na gelir.

O'l k bir korelasyon do rusal bir ili ki olmad anlam na gelir. (iv) Korelasyonun mutlak de eri ne kadar bykse, rassal de i kenler aras ndaki ili ki de o kadar gldr.

Genel rnek Uygulama 1 : i lem ak emas

" Bir i merkezinindeki ana telsiz al mamaktad r." lem ak emas ile sorunu gidermeye al al m.

Elektn t kontrol et

Kablolar; kontrol el

Tum Ba lant lar Tekrar Yap

al t m ?

Tels z al slyot,.

Kademeye

tounabere 2nm Sevket

ekil 1 Ar zal bir telsiz iin lem ak emas

80

etele tablosu " Bir i merkezinin st ynetim telsiz evrimlerinde ald klar hata puanlar nedenlerini" gsteren etele tablosu a a daki gibidir.

Genel rnek Uygulama 2 :

HATA KAYNA I ETELE TOPLAM

Operatr Hatas Telsiz Anzas

Anten Anzas

6 15
7

ekil 2 etele Tablosu

Genel rnek Uygulama 3 :

Grupland rma Tablosu

"Bir i merkezindeki santralde grevli operatrlerin telefonlara ok ge cevap verdiklerine dair ikayetler sz konusudur." Santral amiri yapt inceleme sonucunda arayanlar n bekleme nedenlerini zrupland rma ynremini kullanarak belirlemi tir.
Arayan lar n Bekleme Nedenleri Tek Operatr (di eri santral d nda) Gnlk Toplam Ortalama Say 14,3 172

Aran lan Ki i Yerinde Yok

5,1

61

Fi Ar zas

1,3

16

81

Beyin F rt nas " Sebep-sonu diya ram , problem ve bu problemi olu turan temel sebepler aras ndaki ili kinin grafiksel gsterimidir." Beyin f rt nas : Sorunlar n gerek nedenlerini belirlemede kullan lan, oturuma kat lanlar n d nce ve nerilerini tart maya aan ve serbest d nmeyi sa layan bir toplant tekni idir. Bu toplant lar n temel ayine' zelli i, sorgulamaya, yarg lamaya ve tenkide hi yer verilmemesidir. Ama ok say da de i ik zmleri k sa zamanda ortaya kannakt r.

Genel rnek Uygulama 3 :

Genel rnek Uygulama 4 :

Da lma diyaramlar

ekil 3 Da lma diya ramlan ekil 3 'de (1) : pozitif ili ki sz konusudur. Yani bir i yerinde yap lan bireysel neri say s artt ka i yerinde iyile tirme oran nda da bir art olmaktad r. (2) : negatif bir ili ki ya da ters orant vard r. Yani, bireysel neri say s ndaki art artt ka iyile tirme oran m olumsuz etkilemi tir azalma olmu tur. (3) : hibir ili ki sz konusu de ildir. Yani, bireysel neri say s ndaki art veya azal ile iyile tirme oran ndaki art ya da azal birbirinden ba ms zd r, iki de i ken aras nda ili ki yoktur.

82

5. BLM KONTROL GRAFIKLERI

5.1 Sistem kavram

Bir ok d nrler sistemi, "birbirine ba ml olan iki veya daha fazla para veya alt sistemden olu an, alma ve zellikleri itibar yla belirli bir s n r olan ve di er sistemlerden ay rdedilen rgtlenmi ve blnmez bir btn" olarak tammlamalctad rlar. Sistem, " belirli girdileri olan ve bunlara uygun olarak i leyerek ,belirli kt lar aras ndaki ili kiyi gsteren bir fonksiyonu en byklemeyi amalayan varl klar veya geler toplulu udur." olarakta tammlanabilir.

5.1.1 Dinamik sistem modeli

Dinamik sistem modelinin ba l ca karekteristi i de i im treten faaliyetleri iermeleridir. Ba l ca ayine' niteli i kendi kendini ayarlayan dn m srecinin varl d r. Bu modellerde dn m sreci, girdi gelerinin karekterini de i tirebilir. Bu sistemlerin "Dinamik" olarak adland nlmalan performanslan boyunca z denetim uygularnalanndand r. Bu modeli ekil 5.1 ile grebiliriz.

DENETLEYICI

GIRDI

SRE H IKTI

ekil 5.1 Dinamik sistem modelinde elemanlar

83

Dinamik sistemlerdeki girdi ve/veya kt lann say s birden ba layarak her trl de eri alabilir. Ayr ca girdi ve/veya kt lar homojen veya heterojen olabilirler. Denetleyici yani kontrolr srecin i levlerini ynlendirip ynetmektedir. ekil 5.2 ile "retim sistemi" tan t lm t r.

Sistem

retim Sistemi

> LETME
* *

Girdi
-Tketici istekleri - letme politikas -Teknolojik olanaklar

KALITE KONTROLU > kt (Alt sistem) rn kalitesi

*

Sre

-rn dizayn -imalat i lemleri -Sre kontrolu

ekil 5.2

retim sistemi

5.1.2 Sre (Proses)

Tan m olarak, "Dinamik srecin olu turduu ve girdiler/ kt lar hari tutulmak zere dn m srecine kat lan tm sistem gelerini ieren yak n evredir." verilebilir. Ba kaca bir tan mla, "Bir k s m girdileri kt lar haline dn trmek iin dzenlenip organize edilen insan, makina/ekipman, materyal, metod ve evre gibi faktrleri i aret eder." En genel ekliyle bir srecin ak , bal k k l denilen ematik biimiyle a a daki gibi ekil 5.3 ile ifade edilebilir.

84

Makina

Malzeme

Metod

RN
nsan evre

ekil 5.3 ematik genel sre ekilden de anla laca zere, bir srecin gerekle mesi iin, belirli hampara yani malzeme, belirli bir tezgahta, belirli bir operatr taraf ndan, belirli bir metodla, belirli bir atelyede i leme tabi tutulacakt r.

Kontrol : Srecin bir k s m paralannda veya srete imal edilen rnlerde meydana gelebilecek de i meleri tesbit etmek, bu de i melere gre sre girdilerini de i tirme faaliyetidir. rn kontrolu sreci ; srecin roln a kl kla inceleyebilece imiz dinamik sistem modelidir. Bu sistemin girdileri ; hammaddelerin zellikleri, fiyatlan, a rl klar , uzunluklan, temin edilme yolland r. Sistemin kt s ; kaliteli ,
artnameye uygun rn, dayan kl rn, kullan l rndr. Bu durum iin sre; kalite zelliklerinin olas l k da l m , kontrol limitleri, artnametolerans s n rlar ve gzlemlerden olu an uygun kontrol graf idir. Srecin sistem geleri graf e do rudan kat lmaktad r. Srecin bile en gelerinin incelenmesi o u kez kolay olmayan bir abad r. Tm i ili kilerin ve bunlann srecin i levsel karekteristikleri zerindeki etkilerinin belirlenmesi uzmanla m bilgiye ihtiya gsterir. Kullan c dan, rne in kontrol grafi inin nas l al t ma ili kin aynnt l bir bilgiye sahip olmas beklenmemektedir. ekil 5.4 rn kontrol srecini sergilemektedir. Sre Girdi
Hammadde zellikleri Fiyatlan,ag rliklan,uzunluklar Temin edilme yollar Kalite zelliklerinin; olas l k da l m , Kontrol limitleri, artname-tolerans s n rlar , Kontrol grafikleri kt Kaliteli, artnarneye uygun

rn

ekil 5.4 rn kontrol sreci

85

5.1.3 Sre kontrolu

Kalite kontrolunde, retim srecinde retilen mal ya da hizmetin daha nceden belirlenmi spesifikasyonlara uygun olarak retilip retilmedi inin kontrolud r. Sre kontrolunun birinci amac , hedeflerden sapmalan, retim an nda tesbit ederek gereksiz hammadde, i gc, zaman ve bozuk mal maliyetlerini en aza indirgemektir. Bunun iin srecin kontrol alt nda olup olmad m anlamam za yarayacak aralara ihtiya vard r. Bu aralar; Muayene, lm, test iin gerekli cihaz, alet vb.. nsan gc (e itilmi ve deneyim sahibi), statistiksel Kontrol grafikleridir.

5.1.4 statistiki sre kontrolu

statistiki kalite kontrolunun konusunu hat rlarsak ; o u srete bozulmadan kaynaklanan de i imi azaltmakt r. Bunu ba armak iin yap lacak ilk i srecin kontrol alt nda olup olmad m tesbit etmektir. E er sre kontrolde de ilse zerinde durulmaya de er zel de i im kaynaklar n n yok edilmesi kontrol durumu iin gerekecektir.Daha sonra, belirli nominal veya hedef de er etraf nda merkezile en sreteki tesadll dei meler yeterince azalt lmal veya en d k seviyeye ekilmelidir. te, yukar da bahsedilen de i im kaynaldann n en aza indirilmesi istatistiki sre kontrolunun faaliyetlerindendir. Dolay s yla, statistiksel kalite kontrolu, retim ko ullar ndan hareket ederek ortaya kan sorunlara veya are bulacak faaliyetlere gerek oldu unu gstermek iin dizayn edilir. Bir kontrol grafi i , istatistiksel kontrolun bir yntem olup olmad m belirleyen graf ksel bir metodtur. Shewhart, kontrol edilebilen ve kontrol edilemeyen de i meleri birbirinden ay rt edebilmek iin "kontrol grafilderini" geli tirmi tir

86

5.1.5 statistiki kalite kontrolu ile stn kaliteye ula labilirmi?

Kalite kontrol metodlanrun uygulanmaya ba lanmas ile mamullerin kalitelerinde bir dzelme grlecektir. E er uygulanan standartlar fabrikan n kendi standartlar ise, standartlar .'" yeni durumuna gre de i tirilmesiyle (tolerans s n rlar n n daralt lmas gibi) yeni bir kalite kontrol program n n uygulanmas sonucu kalitede tekrar bir dzelme beklenebilir. Her ne kadar bu i lemin tekrar ile srekli olarak kalitenin ykselece i d nlebilirse de gerekten bu d nce yanl t r. Kalite kontrolunu tan mlayan "Bilgi almade erlendirme-karar-mdahale" faktrlerini incelersek, kalite kontrolunda mdahale faktrnn .en az di erleri kadar nemli, belki de en nemli faktr oldu unu grrtiz. Mdahale ise, hammadde ve makina karakteristikleri, teknolojik faktrler ve i organizasyonu ile s mrl d r. Bu konularda bir dzeltme yapmadan mkemmelli e eri ilemez.

Gerekte "kalite kontrolu" ; mamulun kalitesini en yksek dzeye karan bir yntem deil, kaliteyi bozulmaktan kurtararak en az kt durumda tutmay salayan bir proramd r.

5.2 statistiki nemlilik testi

Standard ma= bir X de i keni iin tesbit edilmi oldu unu kabul edelim. Standard m z ortalama de eri ve c:r standart sapmas olsun. Test iin bir numune seelim ve lme de erlerinden numunenin X ortalamasnu ve S standart sapmasm bulal m. E er bu numune ortalamas 1.1 , standart sapmas o. olan bir y ndan geliyorsa, X - fark s f r veya istatistiki bakmdan nemli say lmayacak kadar kk olmal dr. Bu fark n nemlili ini bulmak iin yap lan teste "nemlilik testi" denir. te bu test kalite kontrolunun esas na te kil eder. Numune da hm mn standart sapmas , Standart hata

cr zz NIT;

87

ve gvenlik s n rlar , %95 ve %99 olas l k s n rlar iinde ise , I./ -1.96 Shrr- 5 X 5_ p. +1,96 Shrnolur. X - g'nin gvenlik s mrlan ise, -1.96 Shr i /-1.1 5_ 1,96 Sgr olacakt r. veya 2.58 %95 Olas l kla 1,96s, %99 Olas l kla 2,58s, O halde , X - g yaklak olarak standart hata= iki kat ndan kkse, alaca mz 20 numuneden 19'u y n' yans tacak nitelikte olacakt r. Bu durumda herhangi bir numuneden bulunan ortalama de er %95 veya %99 olas l kla gvenlik s n rlar iindedir.

Merkezi Limit Teoremi

Kontrol grafikleri olu umu ve kulamm iin bilinmesi gerekli bir teoremdir. Buna gre, Ortalamas p. , varyans o.2 olan herhangi bir kitleden yerine koyarak seilen n birimlik rneklemin ortalamasma ait rneklem da l m , ortalamas varyans 62/n olan bir Normal da l ma yakla r. Sonular :
1. Ana kitle da l m normal ise ve ana kitle varyans biliniyorsai rnek birim say s ne olursa olsun , rnek ortalamalarmm da l m Normal da l r demektir. 2. Ana kitle da l m normal ise ve ana kitle varyans bilinmiyorsa rnek birim say s ne olursa olsun rnek ortalamalarmm da l m (n-1) serbestlik derecesi ile "t da l m dr" . n .?.. 30 ise t da l m normal da l ma yakla.aca ndan da l m normal kabul edilir. Ana kitle da l m normal de il ise , ana kitle varyansunn bilinip bilinmesine bak lmaks z n n 30 ise, rnek ortalamalarmm da l m normal kabul edilir. Bu durumda n < 30 iin yukar daki a klamalar geerli olmayacakt r.

3.

88

5.3 Kontrol Grafi i Kavram

Burada kavram iin Kontrol grafikleri ifadesi esas al nm t r. Ancak , kontrol diyagramlart, kontrol emalar , kontrol kartlar ifadeleri de kullan lmaktad r. Ingilizcede "Control Chart" olarak bilinir. Kontrol grafi i ; "Belirli ve e it zaman aral klar nda rneklemlerden elde edilen de erlerin zaman iindeki de i imlerinin gsterildi i Kontrol grafi i ; Srecin durumunu gzetler, srete grafklerdir." herhangi bir de i iklik yap l p yap lmayaca m tesbit eder. Bir retim srecinin temel amac , spesifikasyonlara uygun mamul retmektir. Imalat planlamas ile elde edilen yeterli sre dzeyinin korunabilmesi ancak etkin bir "Sre kontrolu" ile sa lanabilmektedir. Sre kontrolunun istatistik yntemlerle ekonomik ve gvenilir biimde gerekle tirilmesinde kullan lan ba l ca ara kontrol grafi idir. Bir ba kaca tan mla kontrol grafi i ; "Mamuln , mamul olu turan paralar n veya di er bile kenlerin kalite spesifkasyonlar n gemi deneyimlere dayanarak saptanan limitlere gre kronolojik (saat, gn, hafta, vb.) olarak kar la t rmaya yarayan arat r."

5.3.1 Kontrol grafi Pnin ortaya k

Kontrol grafikleri ilk defa 1924'de ve onu takip eden senelerde Bell Telefon Laboratuvarlan fizikisi W.A. Shewhart taraf ndan kullan lm t r. Shewhart tesadfi bir de i kenin varl yla gle mi olan bir problemle ura rken, problemin istatistiki bir yap ierdi ini tesbit etti. Tesbit edilen de i melerin bir k sm i lemin(srecin ) yap s gere i olup ve nne geilemeyecek cinstendi. Fakat bu ekilde izah edilemeyen de i melere de rastlanabilirdi. Neticede Shewhart u nemli karara vard :
"Herhangi bir i lemde do al de i melere ait limitleri tesbit etmek istenir ve bu da mmkndr. Bylece bu limitler aras ndaki de i meler ans(tesadilfi) sebepleri ile a klanabilir. Bu limitlerin d nda kalan haller ise imalatta daha nemli bir de i iklik oldu unu gsterir."

89

5.3.2 Kontrol grafiklerinin esas

Dei en herhangi bir miktar, yanlz ans faktrne tabi ise (bu miktar X gibi bir lme, g gibi bir ortalama , R gibi bir de i im geni li i , a gibi bir standart sapma, p gibi ar zal yzdesi veya c gibi ar za say s olabilir.) bir dad arzeder. Byle bir da l n bir ortalamas ve bir de standart sapmas mevcuttur. Da l n ekli ne olursa olsun yanl z ans faktrnden dolay pek az nokta X -3a ve X -F3a limitleri d nda kal r. O halde byle limitler tesbit edildikten sonra sz konusu istatistiki l iin bir normal de i kenlik limiti elde edilmi olur. imdi bir meklemi temsil eden bir nokta bu limitin d na karsa (bu hal ans faktrnden de ileri gelebilir) bu, ans faktrnden ziyade sebebi bulunabilen-zel bir sebebten gelmi olabilir. Ters olarak bir nokta kontrol limitinin iinde kald zaman bu meklem, al nd ve muayene edildi inde zel bir sebebin var olmad sylenemez. Fakat zel bir sebebin var oldu una ait bir delil yoktur. Bundan dolay uygulamalardaki byle bir de i me ans faktrdr denilerek yola devam edilir ve yanl z kontrol limitinin d ndaki noktalar zerinde durulur.

5.3.3 Kontrol grafiklerinde sz konusu de i kenlikler

Do ada hibir ey di erinin ayrus de ildir. Bu durum imalat sanayiinde nemli sorun ve kontrol alt na al nmaya al lan bir durumdur. De i kenlik ad verilen bu durum do ald r. Her rn tam olarak ayr l l ve zelliklerde retmek zordur. Bu nedenle rn retrneden hatta kontrol etmeden nce de i kenli in saptanabilmesi, llebilmesi gereklidir. Para usul ile retimde 3 de i kenlik kayna sz konusudur. Bunlar;
1. Para iindeki degi kenlik, 2. 3. Paradan paraya grlen degi kenlik, Zamanla ilgili de i kenlik.

Genelde bu farkl lklara yol aan 5 faktr say labilir. Bunlar da;

90

Sreler : aletin y pranmas , makinan n titremesi, dalgalanmalar

elektirik

Malzemeler : Nihai rnde ortaya kan bu farIchl ldar hammaddede de ortaya kabilir.Nem, geirgenlik, sertlik, diren... evre : Is , k, radyasyon, nem.... Operatr : Kulland metod, deneyim... Muayene : Hatal muayene ekipman , kalite standard n n yanl uygulanmas , farkl l klarn hatal ekilde rapor edilmesi... te yukar da belirtilen 5 farkl l k yaratan kaynaklar beklenen bir ekilde da ld srece srete tesadfen ileri gelen farkl liklara neden olurlar. Bunlara "Doal tesadffili e ba l nedenler" ad verilir. Bunlar, srecin do as nda bulunan ve anstan ileri gelen, nedeni tesbit edilemeyen faktrlerden olu an farkl l klard r. Srecin yap s ndan kaynaklamr. De i kenlik tr tahmin edilebilir. Varl veya yokluu rn kalitesinde pek fark yaratmaz. Genellikle kk olan bu de i kenlik ka n lmazd r ve kabul edilebilir dzeydedir. Yok edilmedike srete vard r, belirlenip dzeltilmesi bazen ok zor olabilir. SEBEPLERI ; *Ekipmarun kurallar na uygun bir ekilde kullan lmamas , *srecin imal edildi i hammaddenin kalitesi, elveri li olmayan evredir. GIDERILMESI iin ; *ynetici, *mhendis, *teknik personel abas gereklidir. Di er taraftan srete beklenilenin d nda byk de i iklikler oluabilir. Bunlar rnlerde belirtilen toleranslar n d nda de i iklikler yarat r ve kayna tesbit edilebilirdir. Bunlara "Doal olmayan-zel Nedenler" ad verilir. Bunlar n varl retilen rnlerin kalitesini etkilerler. nceden tahmin edilemezdir. Bu de i kenlik kontrol grafiklerinde noktalar n kontrol limitlerinin d na d mesiyle anla l r. Bu de i kenlik, bir tek hadise veya vulcuat n sonucudur. Tesbit edilip dzeltilmeleri ok fazla aba gerektirmez.

91

SEBEPLERI ; *Hammaddedeki de i kenlik, *elcipman n duru unda veya paralanndaki de i kenlik, *Ekipmandaki hasar, *tecrbesiz operatr hatalar d r. GDER LMES ; *Operatr ve/veya ilk kademe efi tarafndan daha mesele ilk kayna ndayken dzeltilebilir. Bazen de *Kalite mhendisi, *AR-GE personeli ve *di er personelin abas m gerektirir. te kalite zelliklerindeki de i kenli in tesadfen mi? yoksa bir tak m zel nedenlerden mi? kaynakland KONTROL GRAF K'leri ile anla l r.

5.3.4 Kontrol grafikleri kullan m nda bilinmesi gerekli nemli kavramlar

Deikenlik : retilmi veya varolan nesneler aras ndaki farkl l a denir. Nominal (Hedefi De er : Hedeflenen de erdir. Bu de ere A denirse, rne in ; retilecek bir civatan n belirlenmi olan boyutland r. Hedeflenen de erin hangi hassasiyette elde edilmesi ise ayr bir husustur. Tolerans : Hedeflenen A de erinden olacak en byk sapma (SL) ile en kk sapma (ASL) aras ndaki farkt r. Tolerans iinde kalan rnler uygundur denilir. Toleranslann optimum olmas esast r. Ba ka bir tarnmlama ile ; tasarlanan ller zerinde belirli kriter ve yntemlere gre belirlenen sapma miktarland r. Kaliteli Mamut Kalitesiz Mamut : Bir mamulde bulunmas istenen zellikler o mamulun kullan laca yere ve yapaca greve ba l d r. Bu bakmdan istatistiki kalite kontrolu a s ndan Kaliteli terimi , stn zelliklere sahip anlam nda de il, istenilen zelliklere sahip anlamnda kullan l r. Istenilen zelliklerden bahsedebilmek iin ise belirli bir standard n tesbit edilmi olmas gerekir. Kalitesiz mal bu standarttan uzak olan mamuldr.

92

ASS (Proses parametrelerinden ba ms z olarak tespit edilmi tir)

ATTS AKS 3cr graf indeki orta izgi 3a, OKS

de erlerinin dat l m

3a

Prosese ait ferdi Olmlerin (x de erlerinin) da l m

.. ir

Orrs
OSS (Proses parametrelerinden ba ms z olarak tespit edilmi tir)

ekil 5.5 Tabii tolerans s n rlar ,kontrol s n rlar ve

spesif kasyon s n rlar aras ndaki ili ki

Kabul Edilebilir Kalite Seviyesi (AOL- ing) rnlerin yzde ka = uygun olmas n n mterice tatminkar olmas n gsterir. rne in, teslim al nan civatalann %97 uygun olmas n n m terice tatminkar olaca d r.
:

Kontrol limitleri ok say da gzleme ve istatistiksel analize dayal olarak elde edilen sonulara gre hesaplanan do al de i kenli in 3 cs snurland r.
:

Standard imalat i lemi, mamul dizayn , lme, haberle me gibi belirli konularda tesbit edilmi olan kurallard r. Standartlar bilimsel ve teknik arat rma ve deneyim sonular na gre olu turulur.
:

Bir i in nas l yap laca n belirten ayr nt l bir talimat veya Spesifikasyon belirli zellikleri yan lg ya meydan vermeyecek a kl kta ve ltlerle tammlayan bilgilerdir. rne in, bir civatamn teknik resimde belirtilen tm boyutlar, yzey dzgnl , toleranslar vb. bilgiler civatan n
:

93

pillerin malzeme yap s , dayan kl l , spesifikasyonlar d r. Yine, sal de erler pilin spesifikasyonlar d r. s zd rmazl ile ilgili say Olme Hatas Paran n gerek boyutu ile lme sonucu elde edilen boyutu aras ndaki cebirsel farkt r.
:

Parti : Bir retici taraf ndan ayni nitelik ve zellikte retildi i varsay lan belli miktarda ticari mald r.

ASL

List.

ASI.

SL

401<i
ASL

"'"

E;

LSL

ekil 5.6 Spesifikasyon s n rlar ve sre de i kenli i Belli bir sistem veya olguya ait modelin uygulamaya Simlasyon konulmas d r. Model kurulduktan sonra tesadfi olarak olu turulan belli trdeki girdiler, modele yerle tirilerek elde edilen sonu gzlenir.
:

Bir alet veya cihazn yard m yla llen, klebilen kalite zellikleri uzunluk, hacim, a rl k vb. rakkarnlarla ifade edilen de erlerdir.
:

klemeyen kalite zellikleri Duyu organlar ile de erlendirilen k rk, izik, atlak, bozuk, piirzl, kokulu, lekeli .. vb. zelliklerdir. Niteliksel
:

94

Kusurlu Oran Muayene edilmekte olan bir grup para iindeki kusurlu para say s n n grubu olu turan, kusurlu ve kusursuz , btn paralar n say s na oran d r.
:

kme : Gerekli l aleti kullan larak, bir oklu un l aletinin gsterdi i birim ile kar lat nlmas sonunda, o oklu un de erinin l aleti zerindeki birim ve en kk blnt cinsinden belirlenmesidir.

5.4 Kontrol Grafiklerinin Yap s

Bir kontrol grafi i bnyesinde 4 eleman ve 3 blge bulunmaktad r. 1. Merkez izgi (hat) : Mal ya da hizmetin kontrol alt nda t tulmak istenilen spesifikasyonun hedeflenen de eridir. 2. Noktalar : retimden al nan n hacimli mekteki lmlenen spesifikasyon de erinin ortalamas d r. 3. Kontrol s n rlar limitleri : Kontrol d sinyali iin kullan lan karar do rulan(yatay). AKL ve KL olarak belirtilir.
-

4. Uyar Sm rlar limitleri : Kontrol edilmek istenilen spesifikasyonun arzu edilen de erinden uzakla t na dair sinyallerin olu tu u ve/veya kontrol d sinyalinin olu turulmas nda kullan lan karar do uland r.
-

Kontrol grafi indeki Blgeler : I. BLGE : Srecin arzu edilen spesifikasyonlara uygun olarak al mad blgelerdir. Bir gzlem noktas bu blgeye d erse srecin kontrol alt nda olmad na karar verilir. II. BLGE : Srecin arzu edilen spesifkasyonlardan tehlikeli bir ekilde uzakla t n belirten blgedir. III. BLGE : Srecin arzu edilen spesifikasyonlar etraf nda kontrollu olarak al t m ifade eden blgedir.

95

A a daki ekil 5.7 kontrol grafi inin genel yap suu gstermektedir.

rneklem Kalite zelli i

rneklem No'su / Zaman ekil 5.7 Kontrol graf gi yap s

5.4.1 Kontrol grafi inin n haz rl klar

Bir sre kontrolunda ekonomik olmak ko ulu ile cevapland nlmas gereken 3 soru vard r. Bunlar;
1. 2. 3. Sre ne zaman kontrol alt ndad r, ne zaman de ildir? zel faktrlerin varl g nas l anla l r? zel faktr bulunmad nas l ve ne lde garanti edilebilir?

te bu sorulan "Kontrol grafikler" cevapland racakt r. Yine bir sre kontrolunda Kontrol grafiklerinin iki tip hatay engellemesi veya da a7altmas istenir. Bunlar:
I. zel faktrler mevcut degilken aramaya kalk mak ve gereksiz nlemler almak, 2. zel faktrler mevcut oldu u halde fark na varmamak kalmak.

ve nlem almakta ge

96

Dolay s yla Kontrol grafiklerinin amac bu durumda da ; Hatalar n douraca kay plarla , hatalar bulmak iin harcanacak abalar n maliyetleri aras nda uygun bir denge kurarak srecin srdrlmesini salamakt r. Ad konulmu bir kontrol graf i haz rlarken a a daki n haz rl klarn yap lmas gerekir.
1. rneklemin retim safhasm n hangi noktas ndan al naca , 2. rnekleme kan birimlerden kalite zelli i hakk nda hangi bilgilerin toplanaca , Gerekli bilgilerin rneklem birimlerinden ne tr bir muayene yoluyla toplanaca , Alt gruplar n nas l olustm laca d r.Burada rnek ap , rnn cinsine ve dikkate al nacak kalite zelli ine gre belirlenir.

3.

4.

5.4.2 Kontrol graf i olu turma i lemleri ve e itleri

Genel ak yledir; 1. Noktan n seimi, 2. Kart n ilgili yerlerinin doldurulmas ,
3. Verilerin toplamas ( en ok max....sre iinde) 4. Da l m n analizi, 5. KL ve AKL hesaplamas , 6. Skala'nm tayini, 7. Noktalar n izilmesi, 8. Stabilite (Kararl l k) kontrolu, 9. Yetenek de erlerinin hesab , 10. Bir sonraki karta gei .

97

Genel anlamda kontrol grafikleri iki s n fa ayr l rlar.Bunlar, I) llebilir de i kenler iin kontrol grafikleri,

II) zellikler-nitelikler iin kontrol graftkleridir.

Her iki s n fa ait birok klasik anlamda bilinen ve daha zel haz rlanm bir ok kontrol grafi i mevcuttur.

5.5 llebilir De i kenler iin Kontrol Grafikleri

llebilir de i kenlere ait grafikler tek de i keni dikkate al rlar. Bunlar;

1. X grafi i
2. R grafi i 3. cr grafi i veya S grafi i Bu tip grafkler kullan l rken iki tip durum sz konusudur ;
A. Standartlar belli iken durumu Kitle parametrelerine ait de erler elde mevcuttur. Bu durumla uygulamalarda az kar la l r.
:

B. Standartlar belli de il iken durumu Kitle parametrelerinin yerine alman meklemlerden bulunan istatistikler. mevcuttur. Bu durumla uygulamalarla daha ok kar la l r.
:

Uygulamalarda ba ta belirtilen kontrol grafikleri tek tek kullan laca gibi, -"" ile R) veya (X ileS ) kontrol retim uygulamas n n durumuna gre ( X' grafikleri birlikte (alt alta) kullan hrlar. rnek ap rnn cinsine ve dikkate al nacak kalite zelli ine gre belirlenir.

98

Kk hacimli-apl rneklemlerin k sa zaman aral ldan ile ekilmesi tercih edilmelidir.

( X ile R) kontrol graf kleri iin 4-10 hacimlik rneklem aplan iyidir.
Kk varyasyonlara duyarl l k gsterdi i iin kullan l r ve (n < 11) hacimli rneklerde etkilidir.
7403 74 010 74 02 74 013

t cs- u Qu

)7

74 01

1 ',5.

74 005 oc 74 001 73.995 /3.99 73.963 '3.0 A IC54r73 9113

.1

/0

IS

20

25

30

35

49

Onel 1.4.rr.
9.06

005

U1CS49 049

0.04

'a 9 01
001

\11
5

\I\ V v10 5 :0 :3 30

A
;5 4 s1

OC 0033

NI(5.9

(Ilmi, Numaram

ekil 5.8

TV ve R grafi i grnts

(X ile S) kontrol graf kleri (n >10) oldu unda kullan l d r. Genelde yeni bir retim i leminde ; kontrole ula ncaya kadar rneklem ap byke al np, kontrol sa lan nca, kararl k sa lan nca kltlmelidir. Kontrol grafi i limitleri hesab nda ve iziminde genellikle ardarda 20-25 rnek s n nnn(nolctas mn) al nmas baar l yorurniarna iin gereklidir.

99

Hesaplamalarla bulunacak olan "Kontrol limitleri-sm rlar " Tolerans s nrlar de il , istatistiki gvenlik s mrlar d r. Genellikle AKL ; Tketiciyi korumak , KL ; Fabrikan n israfm nlemek iin olu turulur. Kontrol grafikleri kullan m ile; her numune al mzda "bir istatistiki nemlilik testi " yapma zorunlulu undan kurtulmu oluruz. Kk numunelerin kullan lmas yla bir k s m bilgilerin kayboldu u d nlrse kontrol edilecek de i ken olarak standart sapma yerine "Numune ranj = R " kontrolu d nlmelidir. R'lerin da l m X 'larn gibi Normal da l m gstermezler Da l mlan simetrik de ildir. R de erleri ; en kk de er olan 0 ile ba lay p , ortalama de ere ula t ktan sonra <x) 'a do ru gider.

5.5.1 Standartlar belli iken llebilir zellikler iin kontrol grafikleri

I.

grafi i
- Kitleye ait ve cf veya o- biliniyordur. - Verilerin da l mnn Normal da l ma uydu u varsay l r. - X 'lar n sadece "Tesadfi faktrlerin" etkisi alt nda de i ti i varsay l r. - Limitler d na kan noktalar varl ' nda (gzlendi inde) zel faktrleri vard r denilir.

Burada, rnek ortalamalarnun ortalamas = oldu undan, Merkez hat = O. = il al n r. AKL ve KL , O'nin 3a alt nda ve stnde bulunurlar. c7.7 = a'den

100

AKL = g - 3 a / <-;-. 1 ile ve

ICL = + 3 a / -f ile

bulunur.Uygulamalarda kolayl k sa lamas amac yla formllerde ; A= 3hin dn myle daha basitlik sa lanarak a a daki gibi yaz l r. AKL= j_ - Aa l(L = + Aa A de erleri iin kitab n ek'inde verilen "Hanr katsay de erleri" tablosundan faydalatul r. Daha sonra formller yard m yla belirlenen limitler graf e i lenir ve rneklemden bulunan )7 'lar noktalanarak sre de erlendirilir.

II.

X (Bireysel de erler) grafi i

Bu grafik her zaman kullamlmay p sadece srecin gerektirdi i zel durumlar nda kullan labilir. Burada, zel faktrler varl nda srecin kontrolde grlme olas l yksektir. De i keni temsil eden X de erleri kullan l r. X de erleri sreteki de i melere kar X grafi inden daha az duyarl d r. Limitler

O = , AKL=
le hesaplan r.

g - 3 a , KL = g + 3 a

rnek.1: Bir retim srecinde retilen B rn iin a a daki de erler sz konusudur;

= 8 gr, a = 2 gr (bu de erler retim iin nceden biliniyordur) al mada n = 4 al nacakt r. Buna gre X limitleri bulunuz.

ve X grafi i iin gerekli

101 grafi i iin ; O = 8 gr, 4- ) = 5 gr, AKL = 8 - 3 (2/-s/ICL = 8 + 3 (2/<-11) = 11 gr X grafi i iin ; O = 8 gr, A1CL = 8 - 3 (2) = 2 gr, 1CL = 8 + 3 (2) = 14 gr bulunur. De erler karta i lenir ve X ve X noktalar i lenir. ekil 5.9 bu durumu gstermektedir.

il ffi

GNI

ma,

O&

.4 meklem No'su / Zaman ekil 5.9 X ve X grafi i sonular

102

Sonulardan grlmektedir ki ; X graf i iin limitler daha geni kmtr. Yani srecin kontrolde grlme olas l daha yksektir. Bu durum srecin de erlendirilmesinde yan lt c olabilir.

III . R (Ranj de i im aral ) grafi i

-

Alt gruplardaki de i kenli i lmeye ve ortaya kartmaya olanak sa lar. R- grafi olu umu ve izimi iin R : Xmax - X min de erleri gereklidir. n < 10 durumunda kullan l d r. Limiti er ; a biliniyor ise :

O =( d2. ) = AKL= d2.

-

3(d3. cY) = D .cr

{ D1 = d2 - 3d3 } D2 = d2 + 3d3 }

KL= d2. + 3(d3. cy) = D2.cs

Burada, R 3 6 R olup, R= E Ri / k , S- = E Si / k `dar.

IV . Standart sapma (a x) grafi i

n 10 olunca R'nin gvenirli i azal r. Bunun iin "Standart sapma" kullan l r. Bu durumda, n de i ken ise yine "Standart sapma" kullan l r. Limitler, O = S veya C4 O'
AKL= C2 6-3 6 / -sS = (C2 3 [Nri)6=B5.-

KL = C2 a + 3 (Y 271 = (C2 + 3 f i )O= B

6.

ile hesaplamr. Bs ve B6 de erlerine katsay lar tablosundan bak labilir. (Ek-6) g;rafi inin olu umu iin limitler ; yine,

103

O =

AKL = - A a- , KL = + A a ile bulunur.

5.5.2 Standartlar belli de il iken llebilir zellikler iin kontrol grafikleri

Burada .t ve O' 'n n birer tahmini olan X ve E(cy) de erleri sz konusudur. Hesaplamalar iin ; Kitleden al nan rneklemler zerinden yap lan lmeler sonunda elde edilen de erlerden yararlan hr. Standartlar n belli olmad durumu ve uygulamalar daha s ka kullan l r.

1.

X grafi i

Sreklilik gsteren de i kenlerin spesif kasyon lmleri zerinden her t zamanda n adetlik rneklem ortalamas nn grafik zerinde i aretlendi i bir kontrol grafi idir. Kalite spesifikasyonu, verilerin gsterdi i olas l k da l mma ba l kalmarak saptanan limitler itibar yla gzlenir.

Burada,

O = X =EXIk , S =ESi/k ,
A) . R deerlerinden yararlan lacak ise ; KL = A2 R
ile bulunur. Burada M = 3 /(d2.. rr) ile

kolayl kla katsay lar tablosundan bak larak bulunur. (Ek-6) Dolay s yla;

AKL = X - A R , KL = X + A R

ile hesaplan r.

B) . S de erlerinden yararlan lacak ise ; KL = X A S ile bulunur. Burada Al = 3 /(C [) ile

104

Kolayl kla tablodan bak larak hesaplan r. (Ek-6) Dolay s yla; AKL= X
-

A hesaplan r.

KL = X + A S

Sonulara ula mada baz hat rlatmalar :

R = d . cy veya d2 = R / cr veya o =
S = C2.6

rt. d2

veya

C2 = S / C3

veya

CT = S / C2

X grafi i srecin ortas nda izilir. Bu srecin dengesinin sa land = bir gstergesidir. Grafik, kendi ortalamalanyla llen rnekler (veya alt gruplar) aras ndaki varyasyonu a klayabilir. IL R grafi i O = R =d2. AKL= (1 - 3 b2 / (14R = KL= (1 + 3 b2 / d2).T1 =
D3. T D4.

R grafi i , alt gruplardaki de i ikli i lmeye ve ortaya kartmaya olanak salar. Grafin, dzeyi mmkn oldu u kadar yksek olmal d r. Bu da en az de i kenli srecin daha oldu udur.

105

III. Standart sapma (S) grafi i

n 10 iin ve n de i ken ise kullan l d r. Limitler,

O=

= c2 e
= B3. S-

AKL= (1 - 3 / ( C2&) ICL= (1 + 3 / (Cnr)

grafinin olu umu iin limitler ; O = ,

AKL = 1 - A3

KL= + A3 S
ile bulunur.

Iv n de i ken ise (I ve S) grafi i

retimden al nan rnekler her zaman aym byklkte (e it-sabit) olmayabilir. Veya, n'ler ayn byklkte olmas na ra men "lm zaman na kadar baz birimlerde kaybolma" olabilir. Bu durumda, hesaplamalannda "A rl kl -tart ll ortalama alma" yakla m yap l r, k adet rnek al ns n. ni : rnek hacmi , X",; : rnek ortalamas ise ; genel ortalama,

ve S

X = E ni . X / z ni
= -\[E(ni-1) S2i / Limitler yledir;

= 1,2,3,

grafi i iin ; O =

S grafi i iin ; o =

106 = - A3 AICL = B3 ti1CL= B4 S

ela = X + A3

Burada, AKL ve KL n de i tike de i ir. Yani, farkl byklkteki her bir rnek iin AKL ve OKL de erleri ayr ayr hesaplamr. Bir retim srecinden 6'er birimlik 16 rnek rasgele olarak al nm t r. Ancak baz birimler lm s ras nda yok olmu tur. rneklere ait lm de erleri yledir;
rnek 2
rnek No: 1 2 3 4 5 6 7 8 9 10 11 12

13

14

15

16

lmler 12 14 13 15 13 15 13 13 14 12 14 12 13 12 15 10 14 10 - 14 14 13 12 13 13 13 13 14 - 10 12 10 10 - 13 14 - 14 10 15 12 10 12 14 15 14 14 13 14 14 10 10 15 14 14 14 11 12 16 10 14 13 14 12 14 10 15 10 13

14 15 13 13 9 14 12 - 14 -

13 15 14 14 13 13 12 12 12 10 13 15 13 srecin kontrol alt nda olup olmad n

< ve S grafi i ile ara t nn z.

Burada standartlar belli de il ve rnek hacimleri de i kendir. Hesaplanan de erler yledir;

rnek No: 1
n:

2 3 4 5 6 7 8 9 10 11 12 13 14 15
5 6

16
6

6 6 5 4 6 6 6 4 4 4 6 6 6

X :
S :

12.5 14.2 12 14 11.5 13.8 12 11 13 12.3 13.3 13.2 12.2 14.4 11.5 14.2 1..38 0.15 1.87. 82 2.07 1.17 1.10 1.15 .82 1.71 .82 2.13 1.33 1.14 1.76 .75

grafi i iin ; her bir rnek iin,

107 O = S =

Z= 6.(12.5)+6.(14.2)-H,

+6.(14.2)/(6+6+..+6) = 12.83
+( 6-1)0.75 2 / ( 6+6+5+....+6)-16''

(6-1)1.38 2 +(6-1) 0.75 2+

1.36

bulunur. Kontrol limitleri formlleri kullan larak her bir me e ait (KLY ler hesaplamr.
grafi i
A3 1. 2. 3, 4 5. 6. 7. 8. 9. 10 . 11. 12. 13 . 14 . {5. 16 . 6 6 5 4 6 6 6 4 4 4 6 6 6 5 6 6 1.287 1.287 1.427 1.628 1.287 ayn ayn 1.628 ayn ayn 1.287 ayn ayn 1.427 1.287 ayn 14.77 14.58 10.89 11.08 O 0.03 2.089 1.970 2.84 2.68 O 0.04 14.58 11.08 0.03 1.970 2.68 0.04 15.04 10.62 O 2.266 3.08 O AKL 14.58 14.58 14.77 15.04 14.58 1-.1KL 11.08 11.08 10.89 10.62 11.08

S grafi i iin

B3
0.03 0.03 O O 0.03

B4 1.970 1.970 2.089 2.266 1.970

AKL 2.68 2.68 2.84 3.08 2.68 0.04 0.04 O 0 0.04

1 OR

Genel notlar :
izilen grafiklerde btn rnek noktalar kontrol limitlerinin iine dserse, bu sreteki btn durumlar n "kontrolde" oldu unu syler. E er, 3< grafi i zerindeki ortalama izgisi (O) yukans nda veya a a s nda 7 veya daha fazla nokta grlrse sre dzeyindeki de i rneyi gsterir. :R grafi i zerinde ortalama izgisinin yukans ndaki noktalar zinciri , de i kende istenilmeyen bir "art " gsterir. O a a s ndaki noktalar zincirinde de, de i kendeki bir "ilerlemeyi" belirtir. Noktalar zincirinin tesinde baz ikincil limitler rne in, 2 ile 3 noktan n tesindeki 26 limitleri veya 4 ile 5 noktan n tesindeki la limitleri veya kontrol limitlerinin ko n ulu undaki bir nokta kontrolun gerekli o lmad n ikaz etmelidir.

rnek 3 :
Bir ila fabrikas romatizmal hastal klarda kullan lmak zere jel k vam ndaki merhemi 125 graml k tplere doldurmaktad r. *Tplerin net a rl klann kontrol etmek iin 71" ve R grafi i kullan lacak-t r. *Bu amala her birinde 5 tp bulunan 30 alt grupla al lacakt r. *I lemin uygulamas nda ; her tpn ii bo alt lacak , bo alt lan merhem tart lacak ve llen a rl k tesbit edilip, kaydedilecektir. ** Elde edilen de erleri Tablo 5.1 ile verilmi tir. ** Alt grup ortalamalan ve de i im geni likleri yine Tablo 5.1'de verilmi tir.

109 rnek No : 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 29 30
41'

5 'er tunteki a rl klar 122.5 124.5 121.5 121.0 122.5 122.0 122.0 119.5 122.0 121.0 121.0 120.5 123.5 121.0 123.5 121.5 121.5 124.0 122.0 122.0 122.0 122.5 124.0 123.5 122.5 119.0 120.5 121.0 124.5 121.5 122.5 121.5 121.5 124.0 120.5 120.0 121.0 124.5 121.0 123.0 120.5 122.5 122.5 123.0 120.5 121.0 121.0 119.0 119.0 120.0 122.0 120.5 120.0 120.5 123.0 122.0 121.5 120.5 120.0 119.5 119.0 121.0 121.0 121.0 121.5 120.5 122.0 121.5 122.0 120.5 121.0 122.5 121.5 124.0 121.5 121.5 122.5 119.5 121.5 120.5 122.0 123.5 124.0 122.0 125.0 120.0 120.0 120.5 123.5 124.5 123.0 120.5 121.0 120.5 119.5 122.0 122.5 121.5 122.0 122.0 122.5 122.0 123.0 122.0 121.0 122.0 122.0 123.0 120.0 124.0 123.5 120.5 121.0 120.5 119.5 122.0 119.5 120.0 119.5 122.5

X 124.5 122.8 120.5 121.3 121.0 121.1 123.0 122.5 118.5 121.6 122.5 122.9 120.5 120.7 122.5 122.5 122.0 121.6 122.5 122.4 121.5 122.0 121.0 120.5 122.5 120.8 121.5 121.4 121.0 120.3 120.5 120.5 123.5 121.8 120.0 121.2 122.5 122.2 120.0 120.8 122.0 122.7 122.5 121.6 121.5 122.6 121.0 120.8 119.5 121.5 123.5 122.6 122.0 122.0 121.5 121.9 121.0 120.8 121.0 120.5 Toplam 3647.9

3.5 3.0 1.5 2.5 5.5 2.0 3.5 3.0 4.0 3.5 2.5 2.5 3.5 3.0 2.0 2.0 3.0 2.5 2.5 3.0 2.0 5.0 4.0 2.5 3.0 1.5 2.0 4.0 2.5 3.0 87.5

Tablo 5.1 Merhem tplerinin a rl klar (gram cinsinden) Bu grafi olu turmada kitleye ait parametreler bilinmiyordur. Burada, tablo 5.1 bilgilerinden yararlanarak = 3647.9 / 30 = 121.6 gr bulunur. ve 1"."-t.= - 87.5 / 30 = 2.9 gr

110

- graf i ( s n rlar R 'den yararlanarak)

O = 121.6 gr AKL = 121.6 0.577 (2.9) = 119.92 gr

KL = 121.6 + 0.577 (2.9) = 123.27 gr bulunur. A2 katsay de eri (Ek-6)

Katsay lar tablosundan n = 5 'e bak larak (0.577) olarak okunur.
R - grafi i

O = 2.9 gr

KL = 2.115 (2.9) = 6.1 gr

AKL = 0 (2.9) = 0 gr bulunur. D3 katsay de eri katsay lar

tablosundan n = 5 iin (0) , 1)4 katsay de eri n = 5 iin (2.115) olarak okunur. (Ek 6)
-

Bu sonular n grafik grnts ekil 5.10 ile grlebilir.

123,37991

122,4E306

121 ,58629

ORTALAMA UCL 6,088 Average .2,879 120 68935

CO C

ry

LCL = ,000 5 7 9 11 13 15 17 19 21 23 25 27 30 3 7 11 15 19 23 27

ekil 5.10 X ve R grafi i

111

Grafik izilirken genellikle O ( Merkez hat) kesiksiz izgi ile, alt ve st kontrol limitleri kesikli izgi ile belirlenir. n < 7 durumlar nda D3 = 0 oldu undan R grafi inin alt s n r s f r olur ve kesiksiz izilir. Son olarak yap lacak i ; 30 rnek numaras iin alt grup ortalamalarun ve de i im geni liklerini i lemektir. *Grafik izlendi inde ilk olarak grlmektedir ki ; X ve R grafi inde tm noktalar AKL ve KL iinde ve () etraf nda yer alm t r. Do al olarak 3C grafi inde tesadfi de i kenlik daha gzle grnrdr ve bu durum grafik yap s ndand r. Sonu olarak art k sre kontroldedir diyebilirmiyiz? Bunun cevab hemen evet olmayacakt r. Bilinmesi gereken bir husus udur : kontrol grafilderi bir srecin spesifikasyonlara uygun olup olmad n n tayininde de kullan hrlar. Kontrol alt nda olan bir srecin her zaman artnameye uygun rnler retmesi garanti de ildir. Ayr ca, tesadfilikten ileri gelen varyasyonlar da tolerans limitlerine urnayacak kadar byk olabilir. rnek 3 'de tplere doldurulan merhemler iin Spesifikasyon de eri =121.6 2 gr olarak tesbit edilmi olsa a rl 119.6 ile 123.6 gr aras ndaki tpler yeterli say lacakt r. Tablo 5.1 'de veriler topluca incelendi inde anla lacakt r ki ; 12 tp'e ait a rl k 123.6 gr'dan fazla , 13 tp'e ait a rl k da 119.6 gr'dan hafiftir. Yani 150 tpten 25 tanesi spesifikasyonlara uymamaktad r (yetersiz rn). Uymayanlann yzdesi 16.6 `d r. Bilinirki rn retimleri ncesinde belirli standart ve spesifikasyonlar belirlenir. rnler retildikten sonra bu belirlenen de erler n plana gelerek srec de erlendirilir. Bu durumda ynetimin karar : 1. Srecin de i tirilmesi olabilir. Ancak bu , metodlarda nemli de i iklikleri gerektirece inden "pahal " olabilir.

112

2. Limitler d na ta an yetersiz rnleri ay rmak , ktleri skarta etmek veya tekrar i lemek zere %100 muayene yapmak olabilir. Bu seenek de "gvencesiz ve pahal " olabilir. 3. Spesifikasyonlar de i tirmek olabilir. lk tesbit edilen limitlerin dar oldu u ve bunlar biraz geni letmekle rnn hizmet yetene inin azalmayaca kabul edilebilirse spesif kasyonlar de i tirilebilir. Limitler geni letilebilir. ** Gerek anlamda bir de erlendirme iin ilerideki ait blmlerde de inilecek olan "Sre yetenek incelemesPnin " de yap l p, dikkate al nmas

gerekecektir.

5.5.3 Grafiklerin yorumlanmas A. Grafklerin ( srecin kontroldedir) durumunu gstermesi gstergeleri :

Kontrol d noktalar n olmamas , Merkez hatt (O)'nin bir tarafnda artan bir de i imin olmamas , Normal olmayan desenlerin grnmemesi. B.
Bir srecin kontrolde tutulmas ile sa lanacak yararlar

1. Sre nemli de i meler meydana getirmeyen tesadfi faktrlerin etkisi alt ndad r. Planlanan ve beklenen sonular n elde edilmesi, retim sistemlerinde birbirleri ile ili kili faaliyetler aras nda kan koordinasyon sorunlar n minumum dzeye indirir. 2. Sreci etkileyen zel faktrler varsa, zaman nda fark na var larak dzeltici nlemler al nr. Montaj hatas , skarta ve tamirat masraflar n azalt r. 3. Labarotuvar testlerinde test sonular ndan bay lan Limitler d na kt taktirde ko ullar n dzeltilmesine al l r. 4. Kontrol alt ndaki srele ilgili geerli ve gvenilir tahminler yap labilir.

113

5. Tahrip edicili muayenelerde, zorunlu olarak muayene edilemeyen paralar n kalite dzeyleri hakk nda tahm,n yapmak, kontrol d na ta ma halinde zaman nda dzeltici nlem almak imkan vard r. 6. Ba ta muayene olmak zere e itli kalite kontrol maliyetlerinde d meler sa lanabilir. C. Graf klerin ( srecin kontrolde de ildir) durumu : E er kontrol d noktalarn varl sz konusu ise, bunlar n nedenleri arat nlaralc dzeltilip sre tekrar kontrol alt na al nmal d r. Tesbit edilebilen (zel sebepler)'den kaynaklanan limit/ler d alt gruplar elenir ve kalan verilerle yeni de erler (AKL ve KL) hesaplan r. Bu durumda yap lacaklara kitapta "yer verilmeyecektir." fC ve R grafilderinde k saca 4 tip kontrol d durumla kar la l r. Bunlar; 1. Dzeyde de i me veya s rama (ani de i meler) 2. Dzeyde kararl bir de i im veya e ilim (yukanya do ru bir trend) 3. Tekrarlanan evrimler (periyodik ini ler, k lar) 4. ki farkl poplasyon (limitler yak n nda ve d nda fazla say da noktan n gzlenmesi) ** A a daki ekil 5.11 'da varsay lan ve A,B,C diye adland r lan ve n=5'lik grafikleri 50 rneklemin sonular ndan hesaplanan g ve R ve a grntleri verilmi ve devam nda yorumlamalan yap lm t r.

114

+ 5.0

1.25 Xo
-ZS

C ji ml

l)}) m

C da3 1rrn

ekil 5.11 Yorumlama :

X ve R ve a

grafikleri grntleri

1. A da l m na ait grafiklerde i aret edildi i gibi R ve a 'ye ait graf kler birbirlerine ok benzedi i halde X 'ya ait grafik farkl d r. 2. A ve B da l mlanna ait grafikler mukayese edildi inde X, R ve a graf klerinin ayn de i kenli i gsterdi i grlr(teorik olarak ayn ). ayn d r. Tek fark XBunun nedeni udur ; her ikisinde de a'x gafi indedir. Sebebi ; X ' , A iin = 0 , B iin = 2.0 `d r. C da l m n dikkate al rsak, her graf kte de de i kenlik ; yakla k olarak A'dakinin 2 kat d r. Merkez hatt R ve a grafiklerinde daha yksektir.

3.

115

spesifikasyonlara ba l olarak srecin gidi ini Yine a a daki ekil 5.12 gsteren 6 tane da l gstermektedir.

cf ekil 5.12 Spesifikasyonlara ba l olarak srecin gidi i

Yorumlama :
adurumunda sre , spesifikasyonlar rahata sa layabilmektedir.

b- durumunda do al tolerans n ( 6 o- ) geni li ini srecin ortalama de erinin nominal de ere ok yak n olmas n gerektirmektedir. Ancak bu ekilde spesifikasyon d neticeler nlenebilir. Ancak ortalaman n kontrolu basit de ilse srecin de i kenli ini azaltmak gerekir. c- Durumunun de i kenli i (b) durumu ile ayr ld n Fakat sre nominal de ere gre merkezilenmemi tir. zm iin ; srecin ortalamas m d rmek veya de i kenli ini azaltmak tercih edilecektir.

116

d- Durumunda do al tolerans olan 6 cs , spesifikasyon tolerans ndan ok kktr. Bu ise d k spesifikasyona yak n al mam za imkan verir. Bu arada alt spesifikasyonun da alt na d memek iin gerekli tedbirleri almak laz md r. e- Durumunda ortalama nominal de erde bulunmaktad r. Ancak malzemenin bir k sm yksekte veya ok alaktad r(d taki taral k s mlar). Tek zm ; spesifilcasyonlar yumu at labiliyorsa srecin de i kenli inde yap lacak kesi 'tir t- Durumunda alt spesifkasyonun alt nda hibir para imal edilmemi , fakat st spesifikasyon d nda bir ok para imal edilmi tir. Daha iyi bir merkezile tirrne ile spesifikasyon d paralar n yzdesi d rlebilir.

5.6 Sre Yeterlilik Analizi

Bir srecin retim yetene ini tarumlama yollar ndan birisi " Sre yetenek analizi- SYA ' d r. " Sre, bir rn veya hizmeti retmek iin ihtiya duyulan gamalann tmdr. grafilderi ile srecin kontrol alt nda olup olmad X ve R belirlendikten sonra ; srecin incelemesi yap larak srecin "rn spesifikasyonlar n kar lay p / kar lamad hususu ara t r l r. Kar laruyorsa kusurlu oran tahmin edilir. Sre yetene i ; "Bir srecin sa layabildi i en az kalite de i kenli i" olarak tan mlanabilir.

5.6.1 Tolerans s n rlar n n seimi

letme efi / retim planlamac s baz toleranslar tesbit eder. Bu tolerans s n rlar ile llen de i kenin istatistiki de i imi aras nda bir balant olmal d r. Bu ba lant gz nnde tutulursa; ya ok dar s nrlar iinde al ma durumu ortaya kar ve retime s k s k mdahale edilir,

117

veya bu yap lmassa, standart d bir ok mamuln olu umuna gz yummak gerekir, e ya da geni tolerans s n rlar iinde rahat bir al maya gidilerek eri me olana bulunan "kalite standard na" eri ilemez ve al c ikayetleri artar. A a daki ekil 5.13 dikkate al mrsa ;

ol er ans S n rlar 6 fr

Tate, a ns S n rtxr1

ekil 5.13 Tolerans s nrlar ekil 5.13'de grld gibi bir normal da l mda standart sapman n 6 kat kadar bir de i imi hemen hemen de i imin tmn iine al r. Tolerans ranj 6cr de erinden geni ise ve bu s n rlar al c taraf ndan da kabul ediliyorsa, hemen hemen hibir mamuln olu umu ihtimali olmaz. Tolerans ranj , 60' de erinden dar ise, o zaman bir k s m maml standart d olacakt r. E er standart d mamullerin oran yksek ise, ya tolerans s mrlarm geni letmek, ya da daha geli mi makinalar almak durumuyla kar kar ya kalm r. O halde ; istatistiki kontrol s n rlar ile tolerans s n rlar aras nda bir denge olmal dr. Baz hallerde, "Makinan n hata s nrlar , retim planlay c s run tolerans s n rlarna gre ok dar olabilir." Bu durumda ; - Kalite kontrolcusunun istatistiki kontrol s nrlar dna kt iin bir mamuln "standart d " kabul etmesi yanl olacakt r. - Bu bak mdan kalite kontrolu uygulamas nda sa duyu kullan lmas da ok nemlidir.

118

Normal da l ma dayal Tolerans s n rlar :

, 6 2 da ld varsay ls n. 1.1 ve o- 2 bilinmesin. n X N( hacimli rasgele rneklemden, orneklem ortalamas X ve rneklem varyans S2 hesaplanabilir.
)

Do al Tolerans s n rlar olan g Za 2.c3 tahmini iin mant kl yol ; iin X ve a iin S al narak _V Za ?..S olacakt r. Bylece, X ve S birer tahmin olup gerek parametreler de ildir. I^ Za.2.S gven aral 1-ct olas l ile gerek parametreleri iermeyebilir. Bunun iin bir K sabiti tan mlans n ve de bu y byk de erli bir oran olsun. Bu durumda ; -- K.S , 1-ct olas l kla gerek parametreleri ierecektir. Bu amala , K ' n n de eri ; 2 5_ 1000 'da

y=

0.90 , 0.95 , 0.99 iin ve

a= 0.10 , 0.05 , 0.01 iin ek'te (Ek-9) ile verilmi tir. rnek : Bir retici A rnnn X (oranlann n)zelli i ile ilgileniyor. Srecin ilgilenilen A oranlann n-zelli inin %95'inin , %99 gven aral nda, tolerans s n rlar n n aras nda olmas n istemektedir. X zelli i Normal da lm t r. Bu amala rasgele al nan n=25'lik rneklemin X = 40,75 ve K=2,972 S2=1.87 'dir.(a = 0.05 , y = 0.99 ve n=25) . Bylece (Ek-9)'dan bulunur.

Tolerans limitleri ise ; )(- K.S 'den X 2,972.S olacak ve hesaplama sonunda : 40,75 2,972. (1.37) = [ 36,69 ; 44,81 J bulunur. "Gven s n rlar ile tolerans s n rlar aras nda" temel bir fark vard r. Gven s n rlar : bir da l m n parametresinin aral k tahminini salamak iin kullan l r , fakat tolerans s n rlar : bir kitlenin belli bir oran n bulmay bekleyebilece imiz s n rlar n gstermek iin kullan l r. Varsay l r ki ; n sonsuza yakla t ka, gven aral run uzunlu u s fira yakla r, fakat tolerans s n rlan kitle iin uygun bir de ere yakla r. Sonuta; Ek'te verilen (Ek 9) 'da da grlece i gibi x = 0.05 iin n sonsuza giderken K de eri 1,96 'ya yakla r.
-

119

5.6.2 Sre yeterlili i

Bir imalat srecinin yetene ini etkili olarak de erlendirebilmek iin ilk aranan art ; "srecin istatistiksel olarak kontrol alt nda olmas d r." Sz konusu olan kalite zelli i X, j. ortalama ve a standart sapma ile bir normal da l ma sahipse ; alt ve st "Do al tolerans s nrlar " : , -3a ve .t +3cs 'd r. Bylece,
Alt D.T s n r =

st D.T s nr = +3a

olur. Bylece srecin; do al tolerans s nrlar iinde olmas olas l 0.9973 olacakt r. Di er bir de i le ; srecin % 0.27'si do al tolerans s nrlar d ndad r.
Sre yeterlili i ; Da l m normal da l ma benzeyen yada uyan bir srecin kt larmn; resim, spesifkasyon artlar na gre mukayesesinin yap larak , srecin belirtilen artlar sa lay p salamayaca n grmek iin kullan lan bir metodtur.

Bir rne ait belirlenen yeterlili ini tahmin etmede ;

spesifikasyonlar n varl nda

retim

1. Kontrol grafik' verilerden olu turmadaki kullan lan yararlan labilir, (frekans da l m ve histo ram kullanm ) 2. Sre yeterlilik indeksleri ( oran ) kullan l r.

rnek 4 : (1) Kontrol grafik' olu turmadaki kullan lan verilerden yararlanma Kabul edelim ki ; rne ait X zelli i N ( 74.050 , 0.0099 2 ), spesifkasyon limitleri ise ; 74.000 0.05 olsun. Buna gre Standart d X retme olas l ; P= P(X< 73.950)+P(X> 74.050 )=0.00002 bulunur. Yani retilen X'lerin yakla k %0.002'si spesifkasyon s nrlarn n dna d ecektir.

120

Srecin yeterlili i ; insan ,cihaz, materyal, metod ve evre faktrlerine ba ml d r. "Sre yeterlili i s n rlar = Do al Tolerans'lar =
zetle ; Bir imalat srecinin "Tolerans s n rlar iinde kalabilirli i " llebilirdir. Bu l Sre yeterlili idir.

Sre yeterlili ini lmede ilk ad m sreci tan mlamaktr. kinci ad m spesifikasyonlarm tan mlanmas d r. Spesifikasyonlar sre kt s n lmeye imkan sa layacak ekilde tan mlanmal d r. Hangi verilerle al laca belirlenmeli ve e er mrnIcnse de i en verilerle al lmal d r. Bunun tercih edilmesinin sebebi ; de i ken verilerle yap lan sre yeterlili i analizi niteliksel veriler ile yap landan daha hassas sonu vermektedir. Sre yeterlilik analizinin amac cevaplamakt r; 1. Srecin ortalamas nedir ? 2. Srecin standart sapmas nedir? 3. Srecin ortalamas zamanla nas l de i mektedir? 4. Srecin sapmas zamanla nasl de i mektedir? Sre yeterlili i a a daki ko ullar sa lanarak artt rdabilir ; 1. De i kenli i yaratan zel sebeplerin tmn ortadan kald rarak, 2. Sre ortalamas n hedeflenen de ere mmkn oldu unca yaklat rarak, 3. De i kenli i yaratan yayg n nedenleri azaltarak. Bir Srecin "Yeterli olup olmad n " ve srecin nominal de ere gre "merkezilenip / merkezilenmedi inin ls 2 adet gsterge ile belirlenir. Dolay s yla sre kontroldeyken kolayca hesaplanabilirler Bunlar; a a daki drt soruyu

121

I.

Cp : Sre yeterlili inin gstergesi ( srecin yay lmas n kontrol eder) Cpk : Merkezleme / Ayarlama gstergesi ( srete hem yay lmay , hemde ortalamay kontrol eder)

II.

Bunlar , normal da l mlar iin sre yeterlili inin belirlenmesinde kullan lan "Sre yetenek gstergeleridir." Yine Cp ve Cpk gstergeleri sre yetene inin uygunlu unun say sal olarak de erlendirilmesidir. Srecin de i iminin spesifikasyon s n rlar iinde olup olmad m belirlemeye yard mc olur. E er ; bu yeterlilik al malar bir srete "ilk defa" yap hyorsa ve numuneler arka arkaya, ara vermeden llp kaydediliyorsa ; Cp ....yerine > Pp , Cpk ... .yerine > Ppk

olarak gsterilirler. Formlleri de i mez. Sre yetene i say sal olarak ; "pesifilcasyon s n rlar ve da l m aras ndaki ilikiyi" ifade eder. Dolay s yla ; srecin normal olas l k da l m n izleyen bir sonu verdi i ve kontrol alt nda olduu varsay ld nda ; retilen paralar n %99.7'si sre yeterlili i kar l olan "alan" iinde yer alacakt r. Sre kapasitesi grafi i izilirken a a daki s ra izlenir; 1. retim s ras na veya belli bir zaman peryoduna gre, sreten en az 20 civar nda veri toplan r, 2. Spesifikasyon de erleri belirlenir ve izelge zerinde i aretlenir, 3. izelgenin sa tarafinda rne in da l m n gsteren bir yatay "histo ram" izilir.

122

Cp : Sre yeterlili inin gstergesi ( PCR-in )

Resim- spesifikasyon aral denilen : "Toplam tolerans blgesi" ile Normal da l m aral denilen : "6a" de erinin birbirine oran d r. SpL : st spesifikasyon s nr , AspL : Alt spesifikasyon s n r olmak zere , Toplam tolerans = T = SpL AspL ise , Cp= T/ 6oolarak ifade edilir. Cp ile bulunacak sonucun 1 'den byk olmas gerekir. Uygulamalarda 1 'den byk olan Cp de eri retimi yapan firmaca herhangi gibi) hedef al nabilmektedir. Sre cy bir de er olarakta ( 1.33 veya 1.19 inde bu de eri bilinmedi erin yerine tahmini de de eri olarak <5.'7 r. e hesaplamas , kullan lmal d

ile yap l r. Bu durumda C^p = T / 6 is kullan l r. Ayr ca, PYO = ( 1 / Cp ).100 Ile srec taraf ndan spesifikasyon bant m kullanma %'si bulunabilir. E er ; PYO > 1 ise ; Tolerans band mn %100'den az' , PYO= 1 ise; Tolerans band mn tamam na yak n ( %99.73') , PYO < 1 ise ; Tolerans bandnun %100'den o u kullan lm t r. rne in ; e = 0.0099 ve AspL = 73.950 ve SpL = 74.050 dolay s yla da T = 0.10 olsun. Bu durumda ; Cp = 0.10 6.(0.0099) = 1.68 bulunur. Bylece srecin doal tolerans s n rlar yani 6a (SpI ile Aspl) iindedir. Buna gre t pk "Yeterlili i tahmin etmede rnek 4 'de " oldu u gibi nisbeten daha az say da Spesifikasyonlara uymayan rn retilecektir.

123 Cp 'ye "Sre yeterlilik oran (PCR - n ) ad da verilmektedir. ekil 5.15 Cp 'nin grafik olarak anlat mm gsterir.

6a Top.Tel. Pp veya Cp = 1 Top.Tol. = 6 0Top.Tol.

6G
P, veya Cp > 1

Pp veya Cp < 1

ekil 5.14 Cp 'nin grafik olarak anlat m Yorumlar : Sre, belirlenen tolerans s n rlannn tamam na yakn m (a) Cp = 1 kullanmaktad r. Sreten kan rnlerin da l m Normal oldu unda, rnlerin yakla k %0.27'si spesifikasyon s mrlannn tesine d er, (b) Cp < 1 Sre, spesif kasyon s n rlar n a an ok say da rn kt s na sebep olur. Belirlenen tolerans s n rlar nn %100'den fazlas kullan l r, (c) Cp > 1 Srete tolerans s n rlarnn %100'den az kullan lmaktad r. Bu sebeple, srete daha d k nisbette spesifkasyonlara uymayan rn imal edilecektir. Sadece Cp 'nin 1' den byk olmas srecin hatas z retim yapt m gstermez. Cp sadece srecin do ru olarak ayarland taktirde , belirtilen

124

toleranslarda retim yap l p yap lamayaca n n gstergesidir. Cp indeksi ; srecin sadece yay l m n kontrol eder.

Cpk : Merkezleme / Ayarlama gstergesi :

Cpk indeksi ise ; hem sreteki yay lmay , hemde ayar belirtir. Cpk , Bir srecin kt lar n n, resimde belirtilen nominal de ere gre mukayesesini gsteren yetenek indeksi sre merkezlernesi ya da ayar denilen de erdir. Sadece Cpk de eriyle srecin ne kadar hurda retme imkan n n olduu anla labilir. ift tarafl hesaplama iin ; Cpk alt =
-

AspL ) / 3 6 ,

Cpk st = ( SpL - ;V - ) / 3 c-.1

ile bulunur. (-} = R / d Hesaplanan 8' de eri srecin hem yay l m n ve hem de ortalamas = hedeflerden sapmas n kontrol eder. Bunun iin Cpk 'n n ift tarafl hesaplanmas gerekir. Hesaplamalar sonunda kk de er veren al n r. Hedef 1 'den byk de erlerdir. Cpk 'n n alaca en byk de er Cp 'nin de eridir. Yani, Cpk , Cp'den byk olamaz.

Cp ve Cpk 'n n vorumlamalar :

Cp ve Cpk > 1 ise ; srete 3c5 , spesifikasyonlardan kktr. Bu
durumda rnekleme ile retimden ekilerek incelenen ve yeterlilik testi uygulanan numunenin % 0.3 ' nden daha az' spesifikasyonlara uymayacakt r.

Cp ve Cpk < 1 ise ; srete 36 , spesifikasyonlardan byktr. Bu durumda rnekleme ile retimden ekilerek incelenen ve yeterlilik testi uygulanan numunenin % 0.3 ' nden fazlas spesifikasyonlara uymayacakt r.

125

Cp ve Cpk 'n n GEOMETR K olarak anlam :

"bir insan n kap dan gemesi" olay n d nelim. nsan n kap dan geebilmesi iin ilk art , kap geni li i (B) 'nin , insan geni li i (A)'dan fazla olmas dr. Burada; Kap geni li i (B) : resim tolerans d r. nsan geni li i (A): srecin tolerans d r. Eer , B 'yi A 'ya blersek, bulunacak oran sonunda kan say nm "1" den byk olmas m sa lar. te bu orana Cp denilir. Cp "1" den ne kadar byk olursa kap dan gei o kadar kolay olacakt r. Ancak, (kap merkeziyle) (insan n merkezi) ayn olmazsa insan kap dan geemeyecektir. I te ; bu iki merkez aras ndaki farkl l n incelendi i (kap ve insan n merkezlenmesini) gsteren indis Cpk d r. Cpk 'n n 2 forml vard . Bunlardan ilki, "kap n n sol kenar na gre-ortalaman n alt spesifikasyon de erine gre" di eri de " kap n n sa kenar na gre " mukayesesidir. Hangi tarafa yakla l r sa o tarafa srtme ihtimali fazla olduundan KK de er kritiktir ve bu de er al n r.

Sre yeterlili inde kullan lan zstergelerin grafiksel gsterimi

ASL

Toplam Tokrans

st.

126

rnek 5 : Bir milin i ap spesifikasyonu : 92.00 0.015 mm yani (91.985-92.015)'dir. Bunun sre yeterlilik katsay s (Cp)'yi hesaplamak iin belli bir sreyle veriler toplanm ve X = 92.005 ve S= 0.0028 de erleri bulunmu tur. Bylece ;
T = 92.015 - 91.985 = 0.03 Cp = 0.03 / 6.(0.0028) = 1.79 bulunacakt r. Cp= 1.79 > 1 oldu undan sre(yay lmas ) yeterlidir denir.

rnek 6 : Kabul edelim ki ; Cp= 1.79 bulunsun,

Cpk alt =( - AspL ) / 3 oe = 1.786 ve Cpk st = (T3SpL - .X7") / 3

6. = 0.945 olarak bulunsun. Grlr ki ;

ve Cpk alt = 1.786 > 1 olmu tur. Cpk st de eri Cpk st = 0.945 < 1 undan sre ; yetersiz (merkezlenmesi ayar tam de il) 1 'den kk oldu olarak de erlendirilecektir.

rnek 7 : X ve R grafi haz rlama ve kullan m : Kesim 5.4.2'de verilen Kontrol grafii olu turma i lemleri ve e itleri Genel ak n hat rlanrsa;
Ad m 1 :Noktamn seimi : OTOSAN Firmas Escort tipi aralannda "n amortisrn" gvdeye montaj n kritik bir operasyon olarak tarnmlam ve bu noktay Istatistiksel sre kontrol noktas olarak semi tir. Ad m 2 : Srecin incelenmesi ve kontrol kart tipinin seilmesi ve ilgili yerlerin doldurulmas : resimden de grlece i zere n amortisrn ba lan ld yerdeki iki adet civataya uygulanan "tork" en kritik operasyondur.

127

Burada tork ya da haval tabanca opereasyon sonucunda resim 28 - 10 Nm lik bir tork istemektedir.

Kontrol kart nda gerekli blgelerin doldurulmas :

Resim Deeri Kontrol frekans ilk hafta nwe ; haftada 1 kart doldurulacagndan buras bo b rak l r. Para ad yada operasy n ad 2. ve takip eden kartlarda Kontrol Plan ndaki Frekans yank .

Ra nc Sayfa oldugu yaz ld (1 ) Her ayn prosese ait karta farkl bir numara verilir. Sayfa numaras degisse dahi kart numaras degismez

Ad m3: Verilerin toplan p, alt grup toplamlar n n,ortalamalar n n ve aral klar n n hesaplanmas .

128
ran. zam! tv. m r.' tem. yr le. r .s , tl.. 11.: Mm, 10~11.1. , 10.99110.17. tt.n Ar. , en , Ovn../11Cvn e,r, Dm .n, 51
1" 1111,

.... .. ... .4. A A A.A 1 A ' A

wa .

...Da r nws....e., ....., m * ..

ule s an ......., ... s ... ,r 1.}0 i ,... .1., ..... l'A A A.A . A,A r

an ,
iz
T 29

jij ;:AI

AAA

A ,A

l'

A, A

l : ac 1 2, ; iz
12

21

12 . 12 ., 28 ;O . 29 1 30

II
.1

Il 10 ; 81
14 * II 6b 5

O : 29 ' 29 ; ;I 10 , ;O
lel

;o 10

32 : Il ' 81 11

TS'tt;33 I

Al , 4w> 648 I 64, ; Al! 61 . 60

1 1

10 i Il j 14 ! Ti

11
d..z

11 * Il

11 - Il i I; . il II ' T1 . 11

f'S : 65

: 49 . 60 . t: 60 , 6j : 64 441 61: 66 144144 64

TO , ar17-...' .1

7.7=
O 1O

j,T , 111 it O 1,1

il 1

y . 1:0.2 1 11I

1. 0

2,1

VER TOPLAMA

ALT GRUP HEILAPIAJUNIN TAPILMASI

2 ELDWILL ALT GRUP

ALT

IP TOPLAMI = 31 *. 32

AIT GRUP ORTA.LAMAS1= TOPLAM 2

ALT GRUP ARALI61 = MAL DLGER IN DE ER

Ad m 4 : Da l m analizi : Tm X de erlerinin da l m kontrol kart n n sa taraf ndaki alanda analiz edilir. Kolayl k a s ndan veri say s na uygun grup adedinde de analiz ba ka bir ka tta "etele tablosu" ya da "histo rarnla" yap labilir. Belirlenen da l m Normal da l msa yada Normal da l ma benzer da l msa di er ad mlarla devam edilir. Normal de ilse sre incelenmelidir. Grlmektedir ki ;

Histo ramla olu an grnt normal da l ma benzemektedir.

129

Ad m 5 : KL ve AKL hesaplamalar
X Ortalamelann ortal ma lmapionw. X ortaleaalar toplanr ve kol 'f= 31.21 laldaai olarak 31.2 aliillir.

26 (26

,ECti nf i'ffl a tt ell12 12E1 111fI tiliTiti__ O D E

" Aralk/ona ortalama lemplanr. Bildin "R" valdir toplan r ve kol say s na bbiir ( 26 ) k. 1.2 x Kontrol Kan nda verilen farm-4er yard m yla lesapiener. ijoa x = ( 1.880 R-) =. 31.2 (1.880 x 1.2) = 33.5 x Kotrol Kan nda venlo* formiller yard m yla lmapian r. AKLz= -(1.$SOXR)= 312.(1.UOZ1.2) = 29.0
KL It Kontrol Kannda verilen formiiller yard myla lemplanr. n R = 3.267 x fF = 3-267 x 1.2 = 4

Ad m 6 : Skalan n tayini : Skalan n tayinine X grafi inden ba lan r. Hedef , [TKI, ve AKL ile s mrlarum alann, toplam grafik alan n n yar s n kaplamas dr. Bunun iin grafik blgesi 4 e it paraya blnr.

1
2 3 4

KL 'den AKL kart l r : KL-AKL = 4,5

130

Taral blgede toplam 18 kutu oldu undan fark bu 18 kutuya en uygun ekilde pay edebilmek iin her kutunun ne kadarl k bir art gsterdi i tesbit edilir. (Not:18 lcutu lcullm mak zorunlu de ildir.) rnekte ; her 4
kutu 1 birimlik art gsterecek ekilde seilerek toplam 16 kutu kullan lmt r. R kartmda, X kart ndaki skalan n yar s kullan l r. melcte X kartta 4 kutu 1 birimi gsterdi inden R 'cama 2 kutu 1 birim art gsterecektir. Ad m 7 : Noktalarn izilmesi : Btn noktalar

TY" ve R

grafi ine izilir.

87

25 25

Ad m 8 : Kararl l k kontrolu : Her iki grafktede kontrol kart nda belirtilen "Kontrol d olma" zellikleri test edilir.Byle bir durum yoksa bir sonraki ad ma geilir. Kontrol d durum varsa o noktalarda sre analiz edilir.
Kontrol Da Durumlar ( Kararl l k Testi ) re..

131

Ad m 9 : Yetenek de erlerinin hesab :

=R / cl = 1.2 /1.128=1 Cp = T / 6 0" = 40-28 / 6.(1) = 2 (yay lmas uygundur.)

Cpk alt - AspL )/ 3 6\ =31.2 28 / 3.(1)=1.1*

Cpk st = ( SpL - X

) /

3 5 =40 31.2 / 3.(1)= 2.9

*Kk olan de er al naca ndan 1.1 seilir. Grlece i zere yeterlili i uygun olan srecin ayar tam ortada de ildir. Gerekli ayarlamalar yap larak (Ayar ykseltilerek) 2. Karta geilir.

Ad n 10 : Bir sonraki karta gei : lk kartta bulunan kontrol limitleri ve ortalamalar izildikten sonra ikinci kart hatta verilir. Yeni kartta, her deer al ndktan sonra grafie ilenir. Kart doldurulduktan sonra kontrol limitleri ve yetenek de erleri yeniden hesaplanacaktr. Ad m 8 ve 9 tekrarlan r

132 = 34.35 , a , 6< =6.(2.27)= : ( 30 40 ) verilmi tir. 13.62 bulunmu tur. Spesifikasyon s rurlan Hedef(Nominal ) de er = 35 esas al nm t r.Buna gre ; rnek 8 : Bir retim srecinde ;

Cp = (40-30)/ 13.62 = 0.73 < 1 oldu undan "srein yay lmas yetersiz' dir". Yine,
Cpk alt = (40 -- 34.35)/ 3.(2.27) = 0.83 ,
Cpk st =(34.35 30)/ 3.(2.27) = 0.64* bulunur. Sonuta grlr ki; sre

hedef de & olan 35 'e merkezlenmemi tir. GENEL ZETLE: Toplam tolerans (T) > 6 cs :do al tolerans ise "sre yeterlidir" denir. ile srecin yay lmas , Cpk ile sreteki hem yay lma hem de ortalama kontrol edilir.
Cp = T / 6a

X ve R grafigi zerindeki kontrol s n rlar ile srece ait spesifikasyon s nrlar aras nda ili ki yoktur. Kontrol s nrlar n , srecin-sre standart sapmas o- ile llen do al de i kenli i belirler. st ve alt do al tolerans s n rlar genellikle sre ortalamas ndan tede yer al r. Bununla birlikte spesifikasyon s nrlarn n belirlenmesinde srecin yap s dikkate al nmaz. Spesif kasyon s n rlar n , ynetici, retim mhendisi, m teri veya rn geli tiricileri belirler.
Spesifkasyon s n rlar belirlenirken srecin yap s ndan kaynaklanan dogal degi kenlik gz ard edilmemelidir. Fakat kontrol s n rlar ile spesifikasyon s n rlar aras nda hibir matematik ili ki de yoktur.

133

38

44

50

56

62 65

ekil 5.15 Cp ve

Cpk

ili kileri

134

5.7 llemeyen zellikler ( Nitelikler) iin Kontrol Grafikleri

Renk, eksik para, atlak, izik gibi lme uygun olmayan, llmesi mmkn olan fakat "zaman ve maliyet'ten" tasarruf amac yla llemeyen kalite zellikleridir. "Attiributes" ing. Bal ca drt tip grafik vard r. a. Ar zal yzdesi (kusurlu oran ) P : "fraction defective chart". Burada her para anzal veya sa lam olmaktad r. b. Ar zal say lan (kusurlu say s ) d = n.p : "Number of nonconforminz" veya " number of defects". aretlenen karakteristik numune veya birimdeki ar za say s d r. c. Anza(kusur) say s C : "count of nonconformances " Ortalama rnek ba na kusur say s (Her bir veya bir alt grupta uygun olmayanlar n say s ) d. Birim bana kusurlu say s U : "count of nonconformances / un t" (Bir alt grupta ; muayene birimi ba na uygun olmayanlar n say s ) Sz konusu grafilcler ; A . Standartlar biliniyor ise, B. Standartlar bilinmiyor ise durumlan iin s n flan rlar.

5.7.1 Standartlar biliniyorsa ; P - grafii

Burada ilgilenilecek olan istatistik udur ; P= d / n d : n paral k bir rnekte bulunan ar zal para say s dr. P : Kusurlu oran dr. Kusurlu (ar zal ) diye tan mlanan "kalite spesifikasyonuna uymayand r"

135 Bylece P grafi i elde edilir. P' ile kitleye ait gerek ar za yzdesi belirtilir. Standartlar verildi i durumunda P' 'yi biliyoruzdur. Gerekte , o u kez P' bilinmez. Numune hacmini bildi imize gre "Binomiyal- iki =fil" bir da l mevcuttur. Numune grubunda 0, 1, 2, n kusurlu ve kusurlu olma / grlme olas l klar bulunabilir. Bylece limitler ;

o = P/
AKL = P/ - 3. " (P (1-?)) / n , KL = P + 3. (I'''(1-P I))/ n
ile belirlenir.

Alt grup hacinleri e it olabilir ancak (ni'ler) dei ken ise de kullan l d r, n byk olmal d r. (n.p > 1 sa lanmal ) P > 0.15 durumlar nda ; irketin ciddi problemle kar kar ya oldu u sylenebilir, Sre kontrol alt nda de ilse sreci etkileyen " zel nedenler" sz konusudur. Tek bir graf in zerinde bir madde zerinde gzlemlenmi kalite zelliklerinin hepsi iin kullan labilmesi bir avantaj d r.

rnek 8 : Bir tip araba karbratr ( ift bo azl WEBER tip) iin montaj hatt n n sonunda her tip ar za iin ar za yzdesi grafi i haz rlanacakt r. Uzun bir zaman iin %2 ar za yzdesi bir hedef olarak kabul edilmi , fakat buna eri mek imkans z zannedilmi tir. Ancak "zel sebeplerin" montaj ve imalatta srekli takibi sayesinde bu %2 seviyesine ula lm tr. Bilgilerde bu zamanda toplanmtr ve btn numune hacmi n=100 olarak al narak ve yukar daki formller kullan larak, O = P' = 0.02 ,

AKL = P'- 3. -1(P'(1-P)) / n = 0.02 - 3 (0.02 . 0.98) /100 = - 0.022 KL =

3.N (P'(1-12"))/ n = 0.02 + 3 < (0.02 . 0.98) / 100 = 0.062

bulunur. AKL negatif bulundu undan , pratikte bir anlam ta maz ve 0 olarak al nr. Daha sonra Tablo 5.2 grlece i gibi n=100'lk numunelerden

136

sonular bulunur ve limitlerin grafiklendirilmesiyle de sre izlemede noktalamalar yap larak olu an durum yorumlarur.
Numune No: Ar zal Sy. (d) Ar za % (P) NumuneNo: Ar zal Sy. (d) Ar za % (P)
12345674 5 0.04 0.05 0.01 0.00 0.03 0.02 1920212223242526272829303132333435 4 0.04 0.02

2
1

1
0 3 2

0.01
0.02 0.00 0.02 0.03 0.04 0.01 0.00 0.00 0.00 0.00 0.01 0.02 0.03 0.03

2 0 2 3 4 1 0 0 0 0
1

1
6 0 6 2 0 2 3 4 1 3 2

0.01
0.06 0.00 0.00 0.02 0.00 0.02 0.03 0.04 0.01 0.03 0.02

8910 11 12 13 14 15 16 17 18 -

2 3 3
:

Toplam

73

Tablo 5.2 Montaj band mn sonunda bir tip karbratr zerinde muayene neticeleri (n=100)

yap lan

137
Numunedeki anzal say s ( d) 0
1

P(d 0.13262 0.27065 0.27341 0.18227 0.09021 0.03535 0.01142 0.00313 0.00074 0.00015 0.00003 0.00001 Toplam : 0.99999

2 3 4 5 6 7 8 9 10 11

Tablo 5.3

rnek 8 iin ar zal yzdesi P r =0.02 ve n=100 oldu unda Binomiyal da l m iin teorik olas l klar

P/ = 0.02 ve n=100 oldu unda ar zal para iermeyen numune olma olas l 0.133' dr. Bu da ok d k olas l k de ildir. Yaln z tesadfi sebeplerle 7 veya 8 numunede bir hi ar zal para iermeyen numuneye rastlanr. Tablo 5. 2' deki n=100 'lk muayene neticeleri ekil 5.16'de grafiklendirilmi tir. Graf in incelenmesiyle " srecin kararl - kontrol alt nda" olduu grlmektedir.

138

Control Chart: KUSUR

,07 ,06

os

c: .c E o

,04 ,03 02

KLSUR
I

O Z <1 O o &":

LICL

.05

Cafer ,02 0,00 9 3 7 11 13 15 17 19 21 23 27

29 33

LCL s ,00

31

35

ekil grafi i

5.16 (n=1 00)muayene sonucuna gre ar zal yzdesi

5.7.2 Standartlar bilinmiyorsa ; P - grafi i

imdi elimizde standartlar bilinmiyor oldu unu kabul edelim. Kitleye ait P bilinmedi i iin , en iyi tahmini olarak ^i).- kullan l r. Her biri n elemandan olu an k adet rnek grubundaki kusurlu para say lan di ile gsterilir. Buradan,
p
1=1

d, / E

=i

n,

yaz labilir. Yine, xk) / n.k = Z X / n.k

p = ( P +P2+

+Pk) / k veya (x +x2+

yaz labilir. Bylece limitler, O = P , AM. = - 3:f( -15 (1-F )) / n , ile belirlenir.

f11CL = P + 3. -\/(i7 (1-F )) / n

139

rnek 9 : Gnde 2000 (1 metrelik elik boru) imal eden bir fabrikada gnlk retimin %25'i (500 birim) May s.1999 zaman nda her gn muayene
edilmi tir. Sonular Tablo 5.4 'de verilmi tir. Tarih Kus d Kus. % P
May s 1 2 3 May s 4 5 6 7 8 9 10 11 12 13 14 r 15 16 0.032 30 12 0.024 11 20 18 16 21 20 15 22 21 19 35 40 22 11 0.022 0.040 0.036 0.032 0.042 0.040 0.030 0.044 0.042 0.038 0.070 0.080 0.044 0.022

Tarih Kus.sv(d) Kus. %,2

May s 16 17 18 May s 19 20 21 22 23 24 25 26 27 28 29 21 10 23 14 18 33 25 23 16 21 23 15 19 20 0.042 0.020 0.046 0.028 0.036 0.066 0.050 0.046 0.032 0.042 0.046 0.030 0.038 0.040

Toplam : 600 Tablo 5.4 May s ay Boru retimi

1.200

140

Burada, O = P = 600 / (30. 500) = 600 / 15000 = 0.04 AKL = P - 3. '417 (1-P ))/n = 0.04 - f(0.04 . 0.96) / 500 = 0.014
KL =

+ 3.1)--1( (1-F )) / n = 0.04 + -s[(0.04 . 0.96) / 500 = 0.066

bulunur. ekil 5. 17 ile grafik izilip yorumlarursa ;

Prop ortIon Nonc onforming

0,00

1 3

11 13 15 17 19 21 23 25 27 29

ekil 5.17 Boru retimi 11 ve 12 May s'ta al nan rneklerin kusur oranlar m temsil eden noktalar 01(1 'nin yukans nda ve 21 May s'ta tam zerindedir. Bu rnek noktalar , tesbit edilebilir (zel) nedenlerin varl n gstermektedir. Bu durumda ; kontrol graf i boru retiminin istatistiksel olarak kontrol alt nda olmad m gstermektedir. Sreci etkileyen zel nedenlerin niteli ini tayin iin ara trma yap lmal d r. * Bir rne e ait de er M, s n r alt nda ise; bu rnekteki kusurlu oran ok kk demektir! Ancak bu durum da aldat c olabilir. Dikkatle arat r lmal d r.

141

n de i ken ise P grafi i : Yine ayni biimde ;

O = P AKL = P - 3.4P (1-T )) / n , (1-P )) / n ile belirlenir. Ancak kontrol limitleri KL = P + 3. deiken n de erlerine gre farkl olacakt r.
rnek 10 :
rnek No : n Hata sy. %Hata sy 54 39 28 17 13 78 65 72 22 31 0.072 0.052 0.112 0.068 0.052 0.078 0.065 0.096 0.044 0.062

rnek No: n Hata sy. %Hata sy.

11 12 13 14 15 16 17 18 19 Toplam
:

1
2 3 4 5 6 7 8 9 10

750 750 250 250 250 1000 1000 750 500 500

1000 1000 250 1000 1000 500 250 750 750 12500

74 56 28 94 80 48 22 69 60 950

0.074 0.056 0.112 0.094 0.080 0.096 0.088 0.092 0.080

sonuta ilgili formller yard m yla limitler yledir;

n 250 500
750 1000

AKL 0.0257 0.0404 0.0470 0.0509

KL 0.1263 0.1116 0.1050 0.1011

142

Burada her bir n iin O = 0.076 al nacakt r. Olu an grafik ekil 5.18 ile verilmi tir.
,14 ,12

r
,10 ,08 ,06 ,04 ,02 0,00 1 2 3 4 5 6 7 8 9 10 11 12

I I

I I _J I I

1
I 1

o VAR00001

UCL C.erter = ,08 LCL

13 14

14 16

17 18

19

ekil 5.18 n de i ken iin p grafi i

5.7.3 Standartlar biliniyorsa ; d= n.p grafi i

Kusurlu oranlar yerine kusurlu say laryla ilgilenildiinde d=np grafilderi kullan l r. Buradaki tek fark lektedir. rnek oranlar n n hesaplanmas na gerek duyulmad iin bu grafik P graf ine gre daha kolay gelebilir. Alt grup hacimleri sabit(e itse) kullan l r. Burada kitle kusurlu oran P , rnek hacmi n ise bir rnekte kmas beklenen ortalama kusurlu say s = n.p olur. Limitler yledir ; O = n.p/

AKL = n.p' - 3.'Nfn.p (1

KL =
( 1 pi)

rnek 11 : rnek 4 (Hat rlan rsa): Bir tip araba karbratr ( ift bo azl WEBER tip) iin montaj hatt n n sonunda her tip ar za iin ar za yzdesi grafi i hazrlanacakt r. Uzun bir zaman iin %2 ar za yzdesi bir hedef olarak kabul edilmi , fakat buna eri mek imkans z zannedilmi tir. Ancak "zel

143

sebeplerin" montaj ve imalatta srekli takibi sayesinde bu %2 seviyesine ula lmt r. Bilgilerde bu zamanda toplanm tr ve btn numune hacmi n=100 olarak al nmtr. Grafik iin limitler hesaplamrsa, O = n.p = 100. (0.02) = 2 AKL = n.pi- 3. 'fiili ( 1 p7 ) = 2 - 3 .Nr100.(0.02)(1-0.02) = -2.2

KL = n.p/ +

( 1 p ) = 2 + 3 f 100.(0.02)(1-0.02) = 6.2

bulunur. Yine AKL negatif bulundu 'undan , pratikte bir anlam ta maz ve 0 olarak al n r. Daha sonra yine Tablo 5.2 grld gibi n=100'lk - n.p anlam nda) ele al nr ve limitlerin numunelerden sonular (c1= grafiklendirilmesiyle de sre izlemede noktalamalar yap larak olu an durum yorumlanr. Grafi in incelenmesiyle " srecin kararl - kontrol alt nda " oldu u grlecektir.

5.7.4 Standartlar bilinmiyorsa ; d= n.p grafi i

Burada , P'nin en iyi tahmin edicisi her rnelcten bulunan p `lerin ortalamas olan P 'dir. Limitler yledir ; O = n. AKL =

- 3. -\rn.

( 1- F

, eICL =

+ 3. Nrn.

( 1- )

rnek 12 : Bir retimden 50' er birimlik 20 rnek al nm ve her bir rnekteki kusurlu say lan tesbit edilerek a a daki tablo 5.5 dzenlenmi tir.
rnek No: 1 2 3 4 Kus.Sy 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 10 6 12 8

9 4 5 16 10 15 7 9 5 12 10 17 14 19 12 8

Toplam Kus.Sy = 208

Tablo 5.5 20 mekteki kusurlu say lar

144

Burada; F = E X / n.k = 208 / 50.20 = 0.208 bulunur. Limitler; O = n. T> = 50. (0.208) = 10.4 ,

AKL = ni" - 3."srn.F (1- F )= 10.4 - 3.4. 50. (0.208).(1-0.208)= 1.79

1

KL= n:F7 +3. -stn.F (1- 15 ) = 10.4+ 3. -s[50. (0.208).(1-0.208)= 19.01

bulunur. A a daki ekil 5.19 grafik izilirse;

ekil 5.19 20 rnek iin n.p graf i Grafik genel olarak incelenirse sadece dik eksende kusurlu oranlar yerine kusurlu say lar grlecektir. Srecin kontrolde oldu u grlr.

145

5.7.5 Standartlar biliniyorsa ; C (rnek bas na kusurlu) graf i

Standartlar'm bilinmedi i durumu pek kullan l deildir c grafi inde her bir rnekteki toplam kusur say lan dikkate alimr. Kusur olarak s mfland nlan bir parada ; bir veya daha fazla kusur bulunabilir. rne in ; bir uak gvdesindeki kusurlu lehim say s , 1m2 kuma ta ortaya kan hatal ilmek say s , bir isede grlen hava kabarc klar , bir renkli TV kasas nda grlen izikler c grafi i Poisson da l m na uyar. Gerekli ko ullar : 1. Ortalama kusur say s tm toplam kusur say s ndan ok daha az olmal d r, 2. rnek hacminin e it olmas gerekir, 3. Kusurlann ortaya kt artlar ayn olmal d r, 4. Kusurlar iyice belirlenmi olmal d r. 5. Burada, kusurlu/kusursuz yerine "Ne derece kusurlu" oldu u tayin edilmektedir. Dolay s yla buradaki c : n birimden olu an bir muayene rne indeki toplam kusurlu say s d r. Limitler yledir ; Kitleye ait c' bellidir. O = AKIL = c/ - 3. -s[c7 KL = + 3. -,FC-7

146

rnek 13 : Seramik mamulleri reten bir fabrikada fayans lavabolar zerinde 1 cm2 'den byk lekeler kusur say lmaktad r. letme 4 kusur say s n hedef alm t r. Her biri 5'er lavabodan olu an 20 rnek iin kusur say lan tablo 5.6 ile verilmi tir.
rnek No: 5 adet fayans Lavabos t

Kusur say s 10 4

rnek No: Il121314151617181920Toplam :

Kusur say s 4 10 0 7 4 6 3 5 8 2 104

1234-

6 7 0 6 2 11 7

tr

56789-

,f

10-

Tablo 5.6 20 rnek iin kusur say lan Burada ; c'= 4 verilmi tir. Limitler hesaplarursa ; O = c l = 4 , AICL = c'- 3. = 4 3 \r"4" = -2 = O bulunur. Grafik izilirse ekil

KL = c"+ 3. -\,r-j; = 4 + 3 -r4= 10

5.20 ile sonular grlr.

147

Nonc o ntorm ties

UCL- (0.0 Center La...00 2 4 6 8 10 12 14 16 18 20

ekil 5.20 20 rnek iin kusur say lan grafi i Grafik incelenirse, 9. rne in KL d nda, 1. ve 12. rne'.cler KL'nin tam stnde oldu u grlr. Bu durumlar imalatta daha hassas davran lmas gerekti ini gsterir.

5.7.6 Standartlar bilinmiyorsa ; c

(rnek ba na kusurlu)

grafi i

Her biri n hacimden olu an k adet rnek al nd nda bu rneklerdeki toplam kusurlu say lar c , c2 , , ck olmak zere rnek ba na ortalama kusur say s
= Ci / k

eklinde elde edilir. Limitler yledir ;

o = e =
AKL =
-

Ci / k = her bir birimde kan hata say s / Seilen birim say s

3.

f.TKL = + 3.

148

rnek 14 :

rnek 13 `delci tablo 5.6 ile verilen verilere sahip olal m. i letmenin hedef ald bir de er olmas n. Bu durumda limitler, O = = 104 / 20 = 5.2 - 3. = 5.2 - 3 -Nr5.2 = -1.64 = O

AICL =

--> = 5.2 + 3 -s!--5-i= 12.04 bulunur. ekil 5.21 ile grafik KL = -C" + 3. Nr izilip yorumlan rsa,
14 12
10

No nc o nformitle s

4 2

* KUS UCL 9 2,04, Center .5.2.

a
3 2 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

LCL ,00

ekil 5.21 20 rnek iin kusur say lan graf i retimin kontrol alt nda oldu u sylenir.
rnek 15 : Elimizde retimi yap lm 100'er adet sunta levhalarda uygun olmayan (kusurlu say lan) vard r.
rnek No : Ci 1 21 14 19 2 24 15 10 3 16 16 17 4 12 17 13 5 15 18 22 6 5 19 18 7 28 20 39 8 20 21 30 9 31 22 24 10 25 23 16 11 20 24 19 12 24 25 17 13 16 26 15 >

rnek No :
Ci

Toplam Ci = 516

149 O

= 516 /26 =19.85

= 19.85 - 3 \r19.85 = 6.48 = 19.85 + 34. 19.85= 33.22

C"" AKL = c - 3..

KL = c + 3.vc

bulunur. 2 adet nokta kontrol limitleri d ndad r ( 6. ve 20.) E er bu rnek no'lan at l rsa ; 516 - (5+39) = 472 kalacakt r. Bu durumda yeni limitler; O* = c = 472 / 24 = 19.67

"C.. - 3. rc
KL*= c + 3.

= 19.67 -3 V79:6-7 7 = 6.37 = 19.67 + 3 .s,r19.67 = 32.97

olacakt r. (Not: burada her bir rnekteki (ni=100) toplam kusur say lan dikkate al nmaktad r.) Art k sre izlenebilir. laveten daha da yeni rnek no'lan al maya kat labilir. rne in ; (27. , 28., 46. gibi) Bu durumda en son bulunan limitler(*) sreci izlemede belirleyici olacakt r

ilave Bilgi : Baz hallerde c- grafi inin gere inden fazla noktadan olu tu u grlr. Basitlik sa lamak iin; izimi ve grn daha basit olan grafi i oluturulur. Limitler yledir ;

O = c = EC
AKL = - 3.

i k

KL =

+ 3. .\r-C--7:/ n

rnek 16 : Gnde 95 kamyon reten bir fabrikada montaj hatt sonunda kamyonlardaki hata say lan tesbit edilmi tir. Her gn sonunda tesbit edilen tm hatalar toplanarak 95'e blnm ve o gne ait c 'lar bulunmu tur. Tablo 5.7 sonular gstermektedir;

150

Gn : c :

1 1.68

4 2.04

5 2.10

2.10 2.03

2.00 1.70

Tablo 5.7 95 kamyona ait c de erleri

Limitler hesaplamrsa ; (k=7) O = c = 1.95

- ---/ n = 1.95 - 3\11.95/95 = 1.52 AKL = c - 3. .Nrt

OKL = c + 3.
n = 1.95 + 3 .\11 .95/95 = 2.38 bulunur ve

sre de erlendirilirse, sonuta kamyon retiminin kontrolde oldu u sylenir.

5.7.7

U (Birim ba na kusur say s )

kontrol grafi i

E er bir deney (alt grup) birden fazla birimden olu uyorsa ve birimlerin say s deneyden deneye de i iyorsa C grafi i yerine U grafi i kullan l r. Uygulamalarda kacak kusur say s iin nceden bir standard n belirlenmesi sz konusu de ildir. nk hedefi kusursuz mal retmek olan bir firman n byle bir standard olmayacakt r. Hat rlan rsa C grafi inde her bir rnelcteici toplam kusur say lan dikkate al nr. U graf inde art k birim ba na(bir birimde grlen) kusur say lar dikkate al nacakt r. Burada , U : Muayene birimlerinin kusurlulann ortalama say s d r = c / n Limitler yledir ; O = U = E Ci / n

AKL = U - 3./ n
1:TICL =

71 in + 3. -\TI-

151

rnek 17 : Bir otomobil lasti i (14 jant) retiminde tesadf olarak 20

lastikten olu an bir mek(lem) al nm ve her bir lastikteki yanaklardalci yzey hatalar say s tesbit edilerek a a daki tablo 5.8 dzenlenmi tir.
rnek No: 1- 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Kusursy:12012212212 00112122 1

Tablo 5.8 20 lastik ve yzeylerindeki hata say lan

Buna gre U kontrol graf ini izerek yorumlay n z. Burada, hesaplanan limitler yledir ;
O = U = E Ci / n = 26/20 = 1.3 A1CL = U - 3. KL =

Nrt-r

n = 1.3 - 3 ,r1.7/.5 = 0.54

+ 3. 'J / n = 1.3 +31 ,r3/26 = 2.06

Grafik nceki al malarda oldu u gibi benzer biimde hesaplanan limitler dikkate al narak izilirse ; tm noktalann KL de eri 2.06'mn alt nda oldu u iin srecin kontrolde oldu u sylenebilir. Ancak noktalar n o unun ICL'ye yak n olmas srete daha dikkatli olunmas gerekti ini sylemektedir. AKL alt na d en noktalar varl nda bunlann da sebebinin ara t r lmas gerekecektir.

152

rnek 18: (Tablo 5.6 'da veriler) hat rlamp dikkate al mrsa ; U graf i iin

dzenlenirse ;
rnek No: 12345678910n=5 5 5 5 5 5 5 5 5 5 5 Kusur sa s C 10 4 Ii= e n 2.0 0.8 0.2 1.2 1.4 0.0 1.2 0.4 2.2 1.4 rnek No: 11121314151617181920Toplam :

n=5 5 5 5 5 5 5 5 5 5 5

C 4 10 0 7 4 6 3 5 8 2

IJ 0..8 2.0 0.0 1.4 0.8 1.2 0.6 1.0 1.6 0.4 20.6

1
6 7 0 6 2 11 7

Not : Burada rnek no l'de bulunan U= 2.0 ; 5 birimde ortalama kusurlu sayisidir. O = U = EU / ra = 20.6 / 20 = 1.03

AKL = 1.03 3 \r-1.3/ 20 = 0.265 , KL = 1.03 + 3 .Nr1.3/20=1.794 bulunur.

153

rnek 19 : Elimizde a a daki veriler olsun, Gn Kuma topu sy. Hata sy. (c) U=c/n AKL
20 2 3 4 5 6 7 8 9 10 20 20 21 22 22 23 23 23 21 27 23 30 28 29 31 37 29 36 27 1..35 1.15 1.50 1.33 1.32 1.41 1.61 0.88 1.57 1.29 0.55 0.55 0.55 0.56 0.61 0.61 0.63 0.63 0.63 0.56

KL
2.10 2.10 2,10 2.06 2.11 2.11 2.08 2.08 2.08 2.06

Burada , O = U = EU / n = 13.41 / 10 = 1.341 olacakt r. Fakat de i en n'lere ait AKL ve KL de erleri (yukar da sonulan grld gibi) yeniden hesaplanacakt r. rne in, n=21 ise KL = 1.31 '[1.31/21 'den, 0.56 ve 2.06 , n= 23 ise KL = 1.353 .s.f 1.353/23 'den , 0.63 ve 2.08 gibi bulunacakt r. Srecin izlenmesinde olu turulacak grafkte bu farkl n'ler iin bulunan KL belirtilerek sre izlenecektir.

154

5.7.8 Srecin kontrol d nda olmas

Herhangi bir alt grup de eri kontrol limitleri d na d t nde srecin kontrol d oldu una karar verilir. Kontrol limitleri d na d en nokta kontrol limitlerini belirleyen kitleden farkl bir kitle eleman olarak de erlendirilebilir. Bazen, btn alt grup de erleri kontrol limitleri iinde yer alsalar bile srecin kontrol d oldu undan bahsedilebilir. Bu da srete do al olmayan de i im desenleri oldu u zaman ortaya kar. Ardarda 7 alt grup ortalamas , ardarda 11 alt grup ortalamas ndan 10 tanesi, ardarda 14 alt grup ortalamas ndan 12 tanesi, ardarda 17 alt grup ortalamas ndan 14 tanesi Merkez hatt (O) 'nin alt na veya stne d erse do al olmayan bir durum sz konusudur.
zel faktrlerin grafklere etkileri
Sre ortalamas ndaki de i me, Sre de i kenli indeki de i meler, Da l m eklindeki de i me, Srekli ve dzenli de i me, Periyodik olaylar n yol at g de i meler, Hatal uygulamalar n neden oldu u de i meler, Tesadt. f hatalar n yol at hatalar

I.

155

5.8 Kmlatif Toplam ( CuSUM ) Kontrol Graf i

Kalite kontrol graf inde srecin kontrol alt nda olup olmad yanl zca kontrol s nrlarnn iinde/d mda olup olmamakla ilgili deildir. Ayn zamanda srecin tesadfili i de ara ur lmal d r. Sz konusu bu durum klasik grafkler denilen Shewhart grafiklerinin en nemli yetersizli idir. Bunu gideren grafik ilk defa 1954 y l nda ngiliz istatistikisi E.S Page tarafndan ortaya konulmu ve sonralar daha da geli tirilmi tir. CuSUM grafikleri bir srecin kesintisiz olarak kontrolunun sa lanmas amac yla etkili olarak kullan lmaktad r. Ani ve kk ve de srarl de i melerin farkedilmesinde CuSUM grafikleri Shewhart' n klasik grafklerine gre daha duyarl dr. CuSUM grafikleri tek bir tip olmay p e itli ller iin mevcuttur. 1961'de E.S.Page her bir rnek ortalamas ile referans de er (k) diye tan mlad bir de er aras ndaki farldarm birikimli toplamlarma dayal bir kontrol plan ieren CuSUM grafi ini sunmu tur. Sre ortalamas ndaki en fazla 122a 'ya kadarki alanda olu an kk ve orta ldeki de i meler durumunda bu grafik Shewhart' n sunduu grafi e gre ok daha hassast r. Grafik orta izgi veya hedeflenen de erden sapmalarm kmlalif toplamlaruun i lenmesiyle olu turulmaktad r. CuSUM grafkleri a a daki amalar iin kullan l r ; 1. Sre ortalamasmda meydana gelen kk sapmalar tesbit ederek srecin dzeltilmesi iin bilgi sa lamak, 2. Sre ortalamas ndaki sapman n hangi mekten itibaren ba lad n tesbit etmek, 3. Geerli sre ortalamas m tahmin etmek, 4. Sre ortalamas hakknda k sa dnem iin ileriye ynelik tahminde bulunmak. Bu fonksiyonlardan dolay CuSUM kontrol grafikleri shewhart kontrol grafikleri kadar yayg n bir uygulama alan bulmaktad rlar. Ancak, sre kt de erlerinin periyodik dalgalanmalar gstermesi halinde sre hakk nda isabetli karar vermede CuSUM grafikleri yetersiz kalmaktad r.

156

5.8.1 CuSUM grafilderinin dzenlenmesi ve yorumlanmas

CuSUM grafi i esas olarak kronolojik s rada dzenlenmi verilerin analiziyle ilgilidir. Bylelikle yine bir srecin srekli kontrolunun sa lanmas amalan r. D k maliyetle ayni etkinli i sa lamas ve de i imin fazla byk olmad durumlarda sre ortalamas ndaki ani ve srarl de i imler bu graf kte derhal farkedilmekte ve de i menin zaman da daha belirgin olarak saptan p, grntlenebilmektedir. Simdi ; T hedef de erli ve sreten ardarda ekilen rneklem ortalamalan
XI X2 X3 X4

Xr

olan bir srece sahip oldu umuzu d nelim. Ortalamalar ve hedek de er T aras ndaki farklar , ( - T) , ( - T) , (X3 - T) gibi tan mlayabiliriz, Sr = (X;
-

yaz labilir. Bu farklar aa daki

T)

r nci kimi toplam

Grld gibi burada rnek noktalar sadece r dnemi Xr 'yi de il daha nceki tm rnek de erlerini dikkate almaktad r. Bylece tm gemi dnem rnek de erlerine ait bilgiler kullan lm olmaktad r. Burada T : hedeflenen de er veya referans de er ad n almaktad r. (Baz kaynaklarda bu de er k ile verilmektedir.) Yine o u kez T de eri go olarak al nmaktad r. Bylece Sr de erleri r'lere kar noktalanarak CuSUM noktalan/grafi i elde edilir. E er ortalamalar T etraf nda dengeli da liyorsa grafik yatay e ilim gstecek ve srecin kontrolde oldu u karar verilir. Sr e itli i bir serinin gzlem de erlerini yani, x i, x2, x3, ..., xr erler kullarnld nda (n=1) , Sr = ( Xi- T ) bireysld

olarak yaz l p kullan labilir. Graf kte, srecin ortalama/bireysel de erleri giderek ykseliyorsa farklann o u pozitif olaca ndan CuSUM grafi i

157

ykselen bir e ilim , ortalama de er giderek azal yorsa CuSUM grafi i azalan bir e ilim gsterir. Bu durumlarda srecin kontrolden kma e ilimi sz konusu olacak ve srecin ortalamas da de i ecektir. CuSUM grafi inin bir avantaj da srecin kontrol d na kt noktay gstermesidir. Varsayal m ki izlenen srece ait hedef de er T=k =go =50 olsun. Sre istatistiksel olarak kontroldeyken <5 =8 olsun. Bu siireten n=4 hacimli rnekler al ns n. Bu durumda standart hatan n 8/-4 =4 olmas beklenir. Bu durumda rnek ortalamalan ve de hesaplanan CuSUM yani Sr de erleri syledir,
-

rnek 1

r.No

2 3 45 6

7 8 9 10 11 12 13 14 15 16 17 18 19 2Q

r.Ort 56 48 49 46 41 53 58 54 50 49 49 54 56 49 57 57 55 61 60 54

R-50 +6 -2 -1 -4 -9 +3 J-8+4 0 -1 -1 +4 +6-1 +7 +7 +5+11+10+4 Sr 6 4 3 -1-10 -7 1 5 5 4 3 7 13 12 19 26 31 42 52 56

Klasik r grafi iyle kontrol s n rlar hesaplan rsa (1.1 ve a biliniyor) O= 50 , AKL= 50-3.(4) = 38 ve KL= 50+3.(4)=62 bulunur. rnek ortalamalan bu s n rlara gre kar lat nld nda grlrki sre kontroldedir. Oysa Sr de erleri incelendi inde veya graf i izildi inde ; a) ilk 10 rneklem iin Sr de erleri s f r de erine nisbeten yak n serpilmi tir. rneklem ortalamalann n ortalamas da 50.4 olup, hedef de ere yak nd r. b) 11-20 'ye kadarki rneklemlerde Sr (birikimli toplam) de erleri h zla ykselmi tir. Burada rneklem ortalamalann n ortalamas 55 etraf nda olmutur. Hedef de erden sapma mevcuttur. Dolay s yla, bu ilgin bir durumdur. Srecin kontrold na do ru bir gidi i sz konusudur. Oysa bu durum X grafi iyle grlememi ti. ** Bu ve bunun gibi rnekler n=1 iinde yap labilir.

158

CuSUM grafi i ile ve buraya kadar yap lanlarla srecin kontrol alt nda olup olmad n anlamak i lemleri salam temellere dayanmamaktad r. Noktalar n bir e ilim gstermesi halinde srecin kontrol d na kabilece i sylenmektedir. Bu durumlar ve gzlemler karar vericileri hatal kararlara gtrebilir. Genel olarak hedef de er olan go 'dar her iki ynde sapman n olabilece i d nlr. Ortalamadan her iki yndeki sapmalann tesbit edilmesini sa layan grafikler " ki-ynl grafik i lemleri" , sadece bir yndeki sapmalan tesbit eden grafiklere de "Tek-ynl grafik-i lemleri" ad verilir. * * * Bir srete hedef de er olan belli bir de erden pozitif ve negatif yndeki sapmalann olabilirli i sre kt lanmn "Normal da l m n" varsay myla sabittir. Bu durumla "Sre ortalamas ndaki e ilimlerin kontrol d olup/olmad nn" tesbitinde V- maskesi oluumu ve kullan m nerilir.

5.8.2 V- Maskesi dzenlenmesi ve yorumlanmas

Srecin kontrolde olup olmad bu maske ile belirlenir. Ana fikir udur; gzlem say s ve birikimli toplam noktalar i aretlendikten sonra noktalar n tmnn maskenin iki kolu aras nda kal p kalmayaca n grmektir. Byle bir maskeye genel bir rnek olarak ekil 5.22 ile verilebilir.

Es 64 7 2;56 e448
;:f 440

Cirneklem

Maskenin "- K esi

2
;, `4 . 24 sa 16 tisttista bindirilmi Maske
10 11 12 13 14 15 16 17 18 19 20

8
0r: clal= Say s

ekil 5.22 Genel bir V-Maskesi grnts V-Maskesi ve i lemleri 1959 y l nda G.Barnard taraf ndan uygulama ve teoriye kazand nlm tr. V-Maskesi ( d: uzunluk(yn mesafesi) ve 8 : a )

159

bilinirse oluturulabilir. ekil 5.22 'den de grlece i gibi hesaplanan Sr 'lerin sonuncusuna kar l k gelen noktadan yatay eksene izilen paralel do runun zerinde ve d kadar uzaktaki nokta V-Maskesinin k esidir. V 'nin kollar aras ndaki a 20 'd r. Dolay s yla CuSUM graf indeki (hesaplamalanndaki Sr'ler) bu a mn kollar aras nda ise sre istatistiksel olarak "kontroldedir" denir. V-Maskesinin olu turulmas yani elle izimi mmkn ise de ve yeni noktalar n ilavesiyle olu an karmas kl k art k gnmzde var olan haz r paket pro ramlann kullan m yard m yla kolayla mtr. Elle izimler iin d ve de erlerini hesaplamak iin baz bulunmu formllerden yararlan l r.

d= 2 In [ (1-P) / a] / 5 2
fonksiyonudur.) p 'n n kk de erleri iin

(a ve P risklerinin bir

p, 0 kabul edilerek ,

d=-21na.1/5 2 al nr. O = arc tan ( D / 2A ) veya ta =- D/ 2A al nr. Burada; : nem seviyesidir. Gerekte srete sapma yokken sapman n a oldu una karar verme olas l dr. Genellikle 0.05 al nr. : Sre ortalamas nda gerekte sapma varken bunu tesbit edememe olas l d r. Genellikle 0.10 al n r. D : es cinsinden ortaya kmas arzu edilen sre ortalamas ndaki sapma miktand r. A : Dik eksenin yatay eksene oran n gsteren bir lek faktrdr. A= 2.6 x al mr. 8 : Aratr lmas na karar verilen sre seviyesindeki en kk kayma miktar . D=8 cr "i al nr. (cs X de eri, n=1 ise cr al nr.) ekil 5.23 V-Maskesinin ayr nt l grntsn sunmaktad r.

160

m n+1 rr+

= rr+n-1

Ornek No.

ekil 5.23 V-Maskesinin ayr nt l grnts

5.8.3 V-Maskesini olu turmadaki alternatif zmler

1. Alternatif :

d = - 2 ln cc. 1/ 82 ve tan O = D / 2A

e belirlemek ve izim yapmak. ekil 5.24 gstermektedir

yard myla d ve de erlerini d ve 8

ekil 5.24 d ve 8 de erleri

161

2. Alternatif :

0 a s n izmeden yerine H ve d de erlerini belirleyerek Am() ile bulunur. ekil 5.25 H ve d izim yapmak. H = 2. d. a de erlerini gstermektedir.

ekil 5.25 H ve d de erleri

3. Alternatif : Sadece H ve K de erleri kullan m yla ilk nokta ile son nokta
K = D / 2, aras nda V-Maskesi kollar izimi. E er 10 nokta al nm ise ekil 5.26 V-Maskesini gsterir.

Son nokta

7.<
H+I OK ;

10 rnek aral gt

ekil 5.26 H ve K de erleri ile V-Maskesi

162

Burada belirtilen V-Maskeleri birbirinin ayn s d r. Sadece izim tekniklerinde farkl l klar vard r.

rnek-2 : Kabul edelimki elimizde CuSUM noktalan Sr'ler vard r. V

Maskesi olusturaca z. cc = 0.05 , 1,5 (3.--x olsun. 'lik sapma esas al narak , n=1

d = - 2.1n (0.05). 1/1.5 2 = 4.71 bulunur. 1 .Alternatif : n=1 oldu undan CY x = 6 = 1 olur. Buradan, tan O = D/2A = 5.a/2A.6 oldu undan 8/2A = 1,5/ 2.(2) = 0.375 bulunur. (D= 8.a7 = 1,5.(1) 1,5 ve A= 2. o'R =2.(1)= 2 ) Bylece ; tan O = 0.375 ve 8 = tan 1 . (0.375) = 21 bulunur.

30

rnek No.

ekil 5.27 1.Altematif ile V-Maskesi

163

2.Alternatif: d = 4.71 idi , H = 2. d. a x .tan0 = 2.(4.71).(1).0.375 = 3.53 bulunur.

Si
3.53

3
3.53

30

rnek No.

ekil 5.28 2.Alternatif ile V-Maskesi

3.Alternatif: Kabul edelimki 30 tane noktam z vard r. 1. ile 30. Nokta aras ndaki V-Maskesi iin;
k = D/2 = (1,5).(1)/ 2 = 0.75 bulunur. H=3.53 idi. Bylece; H+30k = 3.53 + 30 . (0.75) = 25.73 bulunur.
Si

30

rnek No.

ekil 5.29 3.Alternatif ile V-Maskesi CuSUM ile ilgili ilave konu a klamalar daha zenginle tirilerek verilebilir. Ancak daha derine inilmeyecektir.

164

6. BLM KABUL ORNEKLEMESI 6.1 Kabul rneklemesi

Srecin kontrolnde kullan lan istatistik teknikler ne kadar etkili olursa olsun yine de bir miktar hatal retim ka n lmazd r. Bu nedenlerle kurulu lar, retim sonras nda yap lan i i kontrol etmek ve hatal retimlerin ileri a amalarda di er kurulu lara veya tketicilere ula mas na engel olmak durumundad r. Ayr ca bir kurulu ba ka bir kurulu tan belli bir artnameye gre sat n ald hammadde ,yanmamul madde veya mamln artnameye uygunlu unu kontrol etmek durumundad r. Bu nedenlerle rnn kabul edilebilir olup olmad m anlamak zere e itli a amalarda rnekler muayeneye tabi tutulur. Bu i leme Kabul rneklemesi denir. Hat rlanaca gibi istatistik test ve tekniklerinin yo un olarak kullan ld kalite kontrol alanlar yledir; I. Girdi kontrolu : D ar dan sat n al nan ham ve yan mamul maddelerin kontrolu, 2. Sre kontrolu : retim esnas ndaki kontrol, 3. kt kontrolu : Aym i letmenin di er k s mlanna veya kurulu lara retilerek gnderilen , yan mamul veya mamulun kontrolu. Dolay s yla, "Kabul rneklemesi : girdi ve kt kontrolunde kullan lan rnekleme yntemlerinin kalite kontrolune uygulamas d r."

Kabul rneklemesi : herhangi bir mamul veya hizmet hakk nda kabul veya red karar verilmesi amac yla zerekle tirilen "rnekleme muayenesi" i lemlerinden meydana gelen bir faaliyettir. Kabul rneklemesi : muayene ve lme i lemleriyle ham, yan mamul ve mamullerden belirli miktarlarda rnekleri alarak rne i temsil eden partinin belirli bir riskle kabulunu veya reddini sa layan bir sistemdir.

165

Bir ok durumda retim sreci tamamland ktan sonra retilen mallar n partiler halinde sevki durumunda, nceden belirlenmi standartlara gre rnekleme usuluyle muayene edilerek partiler red ya da kabul edilirler. Kabul rneklemesi ; retici ve tketicinin (al c n n) zerinde anla t klar bir kabul plan na gre yap l r. Bu kabul plan nda mamulun zellikleri , parti geni li i, kusurlu yzdesi , rnek geni li i gibi bir ok eleman bulunacakt r.
Kabul rneklemesi'nin amac ; sz konusu y n kalitesini tahmin etmek de il , bu y n n kabul veya red karar iin yol gstermektir. Bu durum kalite dzeyi hakk nda emniyet sa lar.

6.2 Muayene ve numune alma

Spesifikasyonlarm gerekle me derecesinin tesbiti veya tasar m kalitesi ile gerekle en kalite dzeyi aras ndaki fark n belirlenmesi amac yla rnler muayene'ye tabi tutulurlar. Muayene ; retilen materyalin kalite zelli i dikkate al narak uygun aletlerle lmler yap larak veya duyu organlanyla yap l r. Bu incelemelerle rnn kabul edilebilir olup olmad n anlamak zere e itli aamalarda al nan rnekler muayeneye tabi tutulurlar. Bu i leme "Kabul rneklemesi " denir. Numune alma : Bir parti mal n kalitesi hakk nda karar vermek iin her paray teker teker muayene etmektense nisbeten kk say da bir numune al n r ve partinin kabul edilip edilemeyece i hakknda karar verilir. Bu i lem; 1. Tm rnelclerde %100 muayene ile, 2. rnekleme ile yap l r.
rnekleme muayenesi ; giri te, kta, srete a r de i melere yol aan hata kaynaklar n saptamak ve dzeltici nlemler al nmas n sa lamak iin uygulan r.

1.

166

Numune almada (plan haz rlamada) hatal karar verme riski de vard r. Yani; iyi bir parti reddedilebilir, kt bir parti kabul edilebilir

te ; bu iki durum ihtimali asgari k l nd ka ba anl olurlar. Ancak numune hacmi artt ka hatal karar verme ihtimali azalacakt r. Fakat masraflar da artar. Numune al rken tesadfi hareket etmek gereklidir.
Muayene Mu Plan yledir ;
Muayene adilecek mallar

( Muayene Istasyonu ) 1;

Bozuk mal = Hayir (SA LAM) m ?

Evet

Sa lam mal =SATIS

* yeniden retime dahil et, * d k fiyattan sat , * depoya kald r

6.3 Muayene trleri

Sat n almlarda uygulanabilecek muayene trleri iki kmede toplanabilir. Bunlar, 1. De i kenlerin muayenesi : llen de erle spesifikasyon aras ndaki fark ile ilgilenir. 2. zelliklerin muayenesi : mamullerin sa lam/bozuk ,iyi/kt , s nrlar iinde/de il gibi niteliklerini belirlemeye al r.

167

Parti hakk ndaki karar muayene edilen birimlerdeki kusur veya kusurlu say s na gre verilir. Uygulamalarda bu tr karar verme daha tercih edilir olmaktad r. Muayeneye sunulan partiler hakk nda en do ru karar ula abilmek iin partilerin homojen olmalar , heterojen faktrler gstermemeleri gerekir. Sat n al mlarda ham gere y n veya yan endstriden gelen retilmi para grubu KAPIYA DAYANDI I zaman u sorular AKLA gelmektedir; 1. Acaba gelen gere y n veya para grubu belirtilen kalite standartlar na tamamen uygun mudur? 2. Uygunsa uygunluk derecesi nedir ? 3. Ta d kalite artlar na gre bu yn veya grup kabul edilmeli midir? Bu sorulara.' cevab ancak y n n veya grubun tamam n n de ilde, daha ekonomik olmas iin rnekleme yolu ile belli bir k sm n n kontrol edilmesinden sonra verilebilir. Gerek nitel zelliklere ve gerekse nicel zelliklere gre Kabul rneklemesi yap lan muayenelerde numune (alma)inceleme planlar 4 ekilde gerekle tirilebilir. Bunlar, 1. 2. 3. 4. Tek (single) rnekleme plan , ift (double) rnekleme plan , oklu (multiple) rnekleme plan , Ard k (sequential) rnekleme plan .

retici ve alimin zerinde anla t klan bir "kabul plan " 3 bilgiden olu ur. Bunlar ; 1. Ana kitle (parti) bykl , 2. rnek veya rneklerin bykl , 3. rnek veya rneklerdeki kabul edilebilir kusurlu say s .

168

rnekleme ile muayenenin %100 muayene kar s ndaki avantajlar Byledir : 1. Maliyet 2. %100 muayenenin verdi i gveninin olumsuzluklann giderir, 3. %100 muayenede ay klamaya verilen nemi telaf eder, 4. Muayene i lem say s n n oklu unu azalt r, 5. Tahrip edicili muayenin sak ncalann gidermesidir. rneklem ile Muayenede yap lan hatalar : *Kabul edilmesi gereken bir partinin reddedilmesi, *Reddedilmesi gereken bir partinin ise kabul edilmelidir.

rnekleme ile muayenenin amac : iinde belirli say da veya oranda kusurlu para bulunduran bir parti hakk nda do ru karar n verilmesidir.
Yukar da bahsedilen iki hata ortadan kald nlamayaca na gre, belirsizlik alt nda karar verme olas l sz konusudur. Ama bu olas l klar = en kk de erini sa lamakt r. rnekleme muayenesinin beklenen sonular vermemesine neden olan faktrler uygulamada i lenen teknik hatalar d nda a a daki gibi s ralanabilir; 1. S f r kusurlu (%100 sa lam) paral partiler, 2. rnek seiminde tesadfili in tam anlam yla sa lanmas , 3. Sabit bir yzdeye gre rnek alma 4. Kusurlu para bulunan partinin reddi.

169

6.4 Nitel ve llebilen zelliklere Gre Kabul Muayene ve Deneylerde Uygulanan Deneyler in Haz rlay c "Kavramlar ve Tan mlar"
Mamul birimi : Muayeneye sunulan partiyi olu turan ve muayene sonunda Kusurlu veya Sa lam olarak suufland nlan ,zerinde i lem yap lan eydir. (Tek para, ift veya tak m halinde bir para uzunluk, bir alan, bir hacim, sat n al nan , imal edilen...) Parti (Lot-ing) : Ayn ko ullar kabul edilen ve kabul artlar na uygun olup olmad n belirlemek amac yla %100 olarak veya iinden bir miktar numune al narak muayene edilen mamul birimlerin toplulu u. Parti bykl topluluu.
(Lot size-ing) : Partiyi olu turan mamul birimlerin

%100 Muayene : Bir partinin btn birimlerinin muayene edilmesidir. Numune alma yntemiyle muayene : Partiden rasgele al nm belirli say da birimin muayene edilmesidir. Nitel zelliklere gre muayene : Bir partinin veya bu partiden al nan numunenin her birimi iin nitel zelli in bulunup bulunmad n aramaya ve bu zelli in say s n saptamaya yarayan bir muayenedir. llebilen zelliklere gre muayene : Nicel zelli in lld veya deneyler sonucu bulundu u muayenedir. Kusur say s na gre muayene : saptand muayenedir.
bir veya yz birimdelci kusur say s n n

S k muayene : Muayene seviyesi olup ,muayeneye sunulan mamulun insan sal ve hayat na yapaca etkilerin nemine gre yzde yz'e yak n orannn muayenesidir. Normal muayene: Numune say s s k muayeneye oranla daha az fakat numunede bulunabilecek kusurlu say s nn daha byk oldu u bir muayenedir.

170 Gevsek muayene Numune say s ve buna kar l k gelen kabul say s di er iki muayeneye oranla daha byk olan bir muayenedir.
:

Kusur : Bir mamul biriminin belirlenmi zellik iin ilgili standart veya artnamesinde belirtilmi kurallara herhangi bir ynden uymamas halidir. Kusurlu yzdesi (Numunedeki Kus.par.sy/ Numunedeki Top.br.sy) X 100
:

Kabul edilebilir nitelik seviyesi (AQL-ing): Muayeneye sunulan bir partide saptanm kusur veya kusurlular iin al c tarafndan kabul edilebilir kusurlu yzdesinin veya 100 birimdeki kusurlarm en byk de eridir. slem Ortalamas lk muayene iin retici taraf ndan muayeneye sunulan partilerin ortalama kusur yzdesi.
:

Ortalama son nitelik (AOQ - ing) : Muayene edilmi bir partinin kusurlu para yzdesi veya 100 birimdeki kusur say s ile tanmlanan ortalama niteli idir. Not : Buna kabul edilen btn partilerle, reddedildikten sonra %100 muayene uygulanarak kusurlu paralar n yerine salamlar konulmu btn partiler dahildir. Ortalama son nitelik seviyesi (AOQL-ing) : Muayene s ras nda ayn zellikte ardarda gelen partiler iinde bulunan AOQ de erlerinin en bydr. slem karekteristi i e risi OC-ing) : Verilen bir AQL de eri iin partiyi gerek niteli e ba l olarak kabul etme olas l n veren bir e ridir.
(

retici riski (Producer's risk ing) : Kusurlu yzdesi P1 olan bir partinin red

edilme olas l d r.

Tketici riski (Consumer's risk ing) : Kusurlu yzdesi P2 olan bir partinin kabul edilme olas l d r.

171

6.5 retici ve Tketici Riski

retilen mallar iyi veya kt kalitelidir. Dolay syla, olu turulan partilerin hepsinin iyi parti olmas beklenemez. Ayr ca iyi parti mal , partideki btn birimleri kusursuz oland r demekte de ildir. yi partilerinde belli bir oranda kusurlu birim iermeleri sz konusudur. Partilerin kabul veya reddine rnekleme ile karar verildi inden, iyi partilerinde reddedilmesi szkonusudur. te; " yi bir parti mal n reddedilmesi" olas l na ; retici riski denir. Uygulamalarda a ile gsterilir ve genellikle yakla k olarak 0.05 al nr. Yine uygulamalarda, kusurlu oran pl 'den kk olan partilere "iyi parti mallar" denir. Ancak kusurlu oran pl 'den byk olan partilerinde kt oldu u sylenemez. retici ve tketici "kt parti mal" iin bir p2 kusurlu oran zerinde anla rlar. Bu durumda ; p 1 ile p2 aras nda olan mallara "ara parti mallar" denir. Bu durumda , pl (kusurlu oran na) : Geerli kalite seviyesi (GKS), p2 (kusurlu oran na) : Parti tolerans ad verilir: "Kt bir partinin kabul edilme olas l na ; Tketici riski denilir. j3 ile gsterilir ve yakla k olarak 0.10 olarak al n r.

6.6 al ma Karekteristi i K (OC ing) Plan e risi

-

Bu e ri , bir rnekleme plan olu turuldu unda plan n daha iyi ifade edilemesi amac na ynelik "dei ik kalitede giri yapan partilerin kabul olas liklarim" gsterir. Dolay s yla , rnekleme plan n n yeterlili inin lsdr.(OC = Operating Characteristic Curve) Parti retiminde her parti mal n ayn kalite dzeyinde olmas yani, ayn oranda kusurlu para iermesi beklenemez. Dolay s yla, bir rnekleme plannda de i en kalite seviyeleri P' kar s nda partilerin kabul olas l klar P(a) de i imini K e risi zerinde izlemek mmkndr. Ideal bir K e risi ekil 6.1 ile verilir.

172

ekil 6.1a deal bir K e risi Uygulamalarda esas al nan K e risi kitle (parti) kusurlu oranlar n n bir fonksiyonudur. E er retici ve tketici riskleri s f r olursa bu plan e risine ekil 6.1a 'da da grld zere " deal plan e risi" ad verilir. Uygulamalarda kabul olas l P(a)'a n 0 veya 1 olmas hemen hemen imkans zd r. rnek hacminin byk ve ekil 6.1b'de ifade edilen P1 ve P2 de erlerinin birbirine ok yak nolmas halinde ideal plan e risine yak n bir e ri elde edilebilir. ekil 6.1b Uygulamalarda esas al nan K plan e risini gstermektedir.
P(Kahul
a Urenc riski (3 Tketici riski GKS Gekerit kafi e sevryes PT : Parti Tolcrans

I -cr

0.0.10

IYI i PARTI 1 \IY GKS

ARA PARTI

KT PARTI

kusurlu Oran

PT

ekil 6.1 b K plan e risi

173

Kabul edilebilir ve Reddedilebilir kalite dzeyleri : KKD ve RICD ( KKD : AQL- ng) , ( RKD : RQL- ng) Plan uygulayan taraf ndan saptanan bir parti Kabul edilebilir kalite dzeyi hatal yzdesidir. yi kaliteli mal belirler. Genellikle bu kalite dzeyinde bir partinin yksek bir olas l kla kabul edilmesi istenir. KKD' indeki bir partinin %95 olas l kla kabul edilmesi benimsenir. Ancak, KKD 'den daha iyi durumda bir partinin de %5 reddedilme riski vard r. Hat rlanrsa buna ; "retici riski" denir.
:

Reddedilebilir kalite dzeyi : Kt kaliteli ve bu nedenle yksek olas l kla reddedilmesi gereken bir partinin hatal oran d r. Kt kaliteli bir partinin plan tarafndan kabul edilme olas l %10' d r. Hat rlanrsa buna ; "Tketici riski" denir. K E risinin izilmesi iin ; rne in, N: parti hacmi , n : rnek hacmi ve c: kabul say s gibi ifadelere ihtiya vard r. Daha sonra de i ik giri -gelen kusurlu oranlar (P') de erlerine kar l k P(a) kabul olas lklar hesaplan r ve K e risi izilir ve yorumlan r. Kabul rneldemesinde numune alma de i ik rnekleme planlar ile yap l r. Bu planlarda K e risi kullan l r ve yorumlamalar yap l r.

rnek 1 : Kabul edelim ki N=800 hacimli bir parti vard r. Plana gre n=75 al nacakt r ve e er bu 75 tanedeki kusurlu say s , kabul edilen(belirlenen) c =3 de erine e it ve az ise 800'lk parti kabul edilecek , e er bulunan kusurlu say s c=3 'den bykse parti red edilecektir. Buna gre ; "gelen N=800'lk bir partinin kabul edilme" P(a) olas l klann bulal m.
** Bunun iin gelen parti kusurlu oran (P' ) de erinin bilinmesi gerekir. Yine kabul edelim ki ; P 7 = 0.02 olsun .

Kabul olas h n (larn ) bulmak iin kesikli olas l k da l mlanndan 1-lipergeometrik-Binom-Poisson" yararlan labilir. Bunlardan hangisinin uygun yani kolay sonuca gtrece i arat nlmal dr. Ancak hepsinin de verece i sonular (kabul olas l klar) yakla k ayn olacakt r.

174

Verilen rnekte n----75 'lik iinde ( 0,1,2,3) adet kusurlu olabilir. Burada P(a) olas l m "Hipergeometrik da l m ile" bulal m. K= P'. N ve P f=0.02 olduundan partideki kusurlu say s ; K= 0.02 .(800) = 16 adet olarak bulunur. Bylece , P(a)={784C75. 16C0 + 784C74. 16C1+784C73.16C2 +784C72 .16C3} / 800075= ile bulunur., Ancak grld gibi i lem pratik de ildir. imdi P(a) olas l n "Binom da l m ile" bulal m. Burada, n=75 , P =0.02 oldu undan 1-P'=q =0.98 sa lam olas l dr. P(a)= 75C0(0.02).(0.98) 75 +75C 1(0.02) .(0.98) 74 + 75C2(0.02)a .(0.98) 73 +
75C0 (0.02).(0.98) 75 75C3 (0.02) 3 .(0.98) 72 =

ile bulunur ancak bu i lemlerde pratik de ildir. Daha nceleri blmlerde bahsedildi i zere bu plan iin verilen de erler (n/N = 75/800 < 0.10 , ve P 0.05) uydu u iin zm iin en iyi yol Poisson da l m n kullanmak olacakt r. Art k imdi P(a) olas l n "Poisson da l m ile" bulal m. = n.P = 75.(0.02)= 1.5 bulunur. Bylece; P(a) *= exp(-l.5). 1.5 / O! + exp(-1.5). 1.5 1 /1 !+ exp(-1.5). 1.5 2 /2!+ exp(-1.5). 1.5 3 / 3! = 0.934 bulunur. Dolay s yla K e risini oluturmak iin de i ik P' de erlerini kullanarak Poisson da l m yard myla ayn yoldan i lemler yap l rsa ; P = 0.01 iin P(a)= 0.993 = 0.02 iin P(a)= 0.934 (yukar da bulunmu tu ! ) P' = 0.03 iin P(a)= 0.819

175

P / = 0.10 iin P(a)= 0.068 P' = 0.18 iin P(a)= 0.001 bulunur. u soru akla gelebilir ; " K e risinin izimi iin hesaplamalara acaba hangi P' de erlerini almal y z ve ne zaman duraca z? Cevab iin ; yukar da bulunan P(a) de erlerini inceledi imizde grlr ki , P(a) de erleri iyice kld nde durmak gerekecektir. Art k K e risi izilebilir :
?(Kabul ihtimali)

I -Ot .0,95

of

P
ARA PARTI KOTU PARTI

IYI ' PARTI ' GKS

Kusurlu Umm

PT

Yorumlar P l= 0.018 kusurlu oran ile gelen (yani; %1.8'lik kaliteli parti) bir partinin kabul olas l 0.95'tir. Bu sonucu ancak iyi izilmi bir K e risi zerinden yapabiliriz. Yine baz bilgileri hat rlarsak : P(a)=0.95 kabul olas l nda e ririin e iminde ani bir de i iklik grlr. Bu noktadaki %5 red riskine "retici riski" denir. Yine, e ride P(a)= 0.10 'da ani bir de i iklik vard r. Bu %10 kabul olas l " Tketici riskidir". Bu gibi K e rileri Ters'den de yorumlama iin kullan labilir. rne in ; P(a) = 0.87 olan bir plandaki P' de eri kat r? gibi. Sonuca e ri zerinden dikkatle bak larak vanlabilir.
:

176

6.7 Kabul rneklemesinde Kullan lan Plan e itleri

Kabul rneklemesinde nurn me alma nce de belirtildi i gibi genellikle a a daki rnekleme planlar ile yap l r. Bunlar ; Tek (single)katl rnekleme plan , ift (double)katl rnekleme plan , l rnekleme plan , oklu (multiple)kath rnekleme plan , Ard k (sequential)katl rnekleme plan . Srekli' rnekleme plan

6.7.1 Tek katl (Tekli) rnekleme plan

Partiden yanl z bir defada al nan birimler zerinde yap lan muayene ile parti hakk nda kabul veya red karar na ulama eklidir. Burada, N partilik rr - Ilerden rasgele olarak n birimlik rneklem al n r ve %100 muayeneye tabi tutulur. Al nan numuneler kusurlu/kusursuz incelemesi yap larak(tammlanarak) d: kusurlu say s tesbit edilir. Daha nceden bilinen c : partinin kabul iin rnekte bulunmas gereken en byk kusurlu says ile a a daki kar lat rmalar yap larak parti hakk nda karar verilir. Burada : N , n , c temel elemanlard r. E er, d < c ise parti kabul edilir. d >c ise parti red edilir. Tm parti %100 muayeneye tabi tutulur, kusurlular kusursuzlarla de i tirilir. Tek katl rnekiemeye gre partinin kabul edilmesi olas l : P(a) = P( d 5 c ) = P(d=0)+ P(d=1)+ P(d=2)+ +P(d=c) 'dir.

*** Kabul rneklemesinde Kabul olas l klar hesaplan rken kullan lmas gereken en uygun olas l k da l m N , n, p de erlerine gre en uygun ilemlerle sonuca gtrecek olan : Hipergeometril Binom, Poisson , Normal da l mlar ndan birisi olacakt r.

177

rnek 2: Bir i letmede uygulanan rnekleme plan na gre retim

partilerinin %10'u kadar bir rnek grubu seilerek muayene edilmektedir. Seilen rnek grubunun %2'si veya daha az' kusurlu ise parti kabul , aksi halde red edilecektir. Bir partinin 2000 elemandan (rne in; 3,5 'luk 1 metrelik aluminyum boru) meydana geldi i ve bunlardan 80 tanesinin kusurlu oldu u biliniyorsa "Tek kath-tekli) rnekleme plan na gre partinin kabul olas l kat r?

zm : Burada,
N= 2000 , D=80 , p=80/2000= 0.04 (%4) oldu undan n = 200 olacakt r. 200. (%2) = 4 adet kusur olacakt r. Plana gre; d < C = 4 ise parti kabul edilir, e er d > C=4 ise parti red edilir. Burada kabul olas l iin "Poisson da l m " kullan labilir. Bu durumda ; >L= 200.(0.04} 8 olacakt r. Bylece kabul olas l ;
4 d

P(a) =
d=0

exp ( -8). 8 / d ! = 0.10

bulunur. Sonu olarak %4 kusurlu oran ile gelen bir partinin Tekli plana gre kabul olas l = 0.10 olacakt r. Ayn sonuca di er belirtilen olas l k da l mlan ile de yakla k olarak ula labilir. ** Bu rnekte grlmektedir ki sadece kabul olas l bulunmu tur. Bu haliyle CK. e risi izilemez . Ancak de i ik parti kalitelerine gre giren de i ik kusurlu oranlar n n da ilaveleriyle bulunacak P(a) 'lar zerinden K izilip de i ik yorumlamalar yap labilir.

rnek : N= 2000 , n=150 ve c=4 ile planlanan Tekli numune alma plan na gre a a daki de i ik parti kaliteleri (p'ler) iin kabul olas l klar /l bulunuz.
P: 0.00 , 0.01 , 0.02 , 0.03 , 0.04 , 0.05 , 0.06 , 0.07 , 0.08

178

zm : Poisson da l m yard m yla ; rne in p=0.01 iin kabul olas l = n.p = 150. (0.01)= 1.5 yard m yla ; P(a) ' y bulmak iin ; 4 d P(a) = E exp(-1.5) . 1.5 / d! = 0.98 bulunur. d=0 Di er belirtilen p 'ler iin = n.p = 150. ( * ) yard m yla (*) yerine di er p 'leri koyarak de erleri hesaplabilir. 4 d P(a) = E exp(- * ) .( *) / d! = sonular bulunur . d=0 Topluca sonular yledir, P : 0.00 1.000 , 0.01 , 0.02 , 0.03 , 0.04 , 0.05 , 0.06 , 0.07 , 0.08 0.981 0.815 0.532 0.285 0.132 0.055 0.021 0.008

P(a) :

6.7.2 ift katl ( kili)rnekleme plan

Tek rneklemeden farkl olarak partiye ikinci bir ans tannr. Bu rneklemede rnek iki a amal olarak aluur. Uygulamas biraz daha dikkat ister. Plan iin gerekli ifadeler yledir. ni : N'lik partiden ilk olarak seilen rneklem geni li i /12 : N'lik partiden ikinci olarak seilen rneklem geni li i cl : birinci rneklem iin kabul edilen en byk kusurlu say s ikinci meklem iin kabul edilen en byk kusurlu say s c2 dl : nl'lik rnekte bulunan kusurlu say s . d2 : n2'lik rnekte bulunan kusurlu say s Plan iin i leyi syledir. N'lik partiden nl'lik rneklem al nr. E er dl < cl ise parti kabul edilir. dl > c2 ise parti red edilir.

179

E er ;
cl < d < c2 ise ; n2 'lik ikinci bir rneklem( N-nl taneden) al nr. Bu durumda. dl+d2 e c2 ise parti kabul , dl+d2 > c2 ise parti red edilir.

Bu i leyi lerde nemli olan husus; n , n2, c , c2 de erlerinin ka olaca dr. te bu de erlere ula mada ve parti hakk nda karar vermede rnein ileride a klanacak olan MIL STD-105 D Haz r Kabul meldemesi plan sisteminden yararlan labilir.

rnek 3: A a daki ift katl (ikili) plana gre p=0.01 bozuk oran ile gelen
N=500'lk partilerin kabul edilme olas l n bulunuz. ( n = 20 , c = 0 , n2= 30 , C2= 2 ) haz r verilsin. Plana gre ; n1=20 'de n2=30 'da d 5_ c = 0 ise kabul, d +d 5. C2 = 2 ise kabul olacakt r.

zm iin ; n ve n2 yeteri kadar byk ve p 'de kk oldu u kabul edilerek poisson ile zme gidilebilir. Kabul olas l ; P(Kabul / d c , d +d2 5_ C2= 2 ) ile bulunacakt r. Buna gre, P(a ) = d ..< c =0 'den kabul iin d =0 olmal , P(a2) = cl +d2 5 C2= 2 'den ; d =1 , d.2=0 _<_ C2=2 d =1 , d2=1 5_ C2=2 d =2 , d2=0 < c2=2 O halde Poisson da l m yard m yla : X = n .p = 20.(0.01) = 0.2 ve X2= r2. P = 30.(0.01) = 0.3 al narak, P(d =0) +P(d1=1 .d2=0) + P(d =1 , 032=1) + P(d =2 , d2=0)

180

exp(-0.2). 0.2 / 0! + ((exp(-0.2). 0.2' / 1! ). (exp(-0.3). 0.3 / 0!)) + ((exp(-0.2). 0.2 1 / 1! ). (exp(-0.3). 0.3 1 / 1!)) +((exp(-0.2). 0.2 2 (exp(-0.3). 0.3 / 0!)) = 0.9885 bulunur.
/

2! ).

rnek 4: rnek 3 'deki bilgilerden yararlanarak retici riski (a. =?)

bulunuz. zm : Hat rlanaca zere verilen ift katl plana gre p=0.01 bozuk oran ile gelen partinin kabul olas l P(a)= 0.9885 bulunmu tur. Bu sonu 1-a sonucu demektir. O halde retici riski a = 1- 0.9885 = 0.0115 olacakt r.

rnek 5: N= 400 , n =10, et= 0 ve 112 =20 , C2 = 3 ift rnekli rnekleme kabul plam iin ; a. Kabul plan n a klayunz, b. 0,05 kusurlu oran na ait kabul olas l n bulunuz, c. KKD ve PT de erlerini bularak yorumlay n z. zm : a. Bu ift katl rnekleme plan na gre N=400 birimlik partiden nce n = 10 birimlik birinci rnek al nacakt r. Bu 10 rnek %100 muayeneye tabi tutulacak ve d =kusurlu say s belirlenecektir. Plana gre e er 10 tanede hi kusurlu kmazsa N=400'lk parti kabul edilecek, e er 10 tanede c2=3'den fazla kusurlu karsa N=400'lk parti red edilecektir.
Yine plan i leyi ine gre n =10 'daki kusurlu say s 1, 2, 3 olursa n2=20'lik ikinci bir rnek Yine N=400'lk partiden al nacak ve buradaki kusurlu say s d2 tesbit edilecektir. E er , n ve n2 deki kusurlu say lan toplam d +c12 c2=3 olursa parti kabul edilecek, di+d2 > c2=3 olursa parti red edilecektir.

181

b. 1. 2. 3. 4.

Kabul durumlar :

d1=0 d =1 ve d2 s 2 d =2 ve d2 s 1 ile belirlenir. Bylece 1. 2. 3. ve 4. durumlara ait d =3 ve d2 =O olas l klarn toplam ile sonu elde edilir.

p=0.05 esas al ndnda; ( poisson da l m yard m yla) X = n .p = 10.(0.05) = 0.5 ve X2= n2. p = 20.(0.05) = 0.1 kullan larak, P(d =0) = exp(-0.5). 0.5 / 0! = 0.6065 , P(d =1) = exp(-0.5). 0.5 1 / 1! = 0.3033 , P(d1=2) = exp(-0.5). 0.5 2 2! = 0.0758 , P(d1=3)= exp(-0.5). 0.5 3 / 3! = 0.0126 , P(d2=0) = exp(-1.0). 1.0/ O! = 0.3679 , P(d2=1)= exp(-1.0). 1.0 1 / 1! = 0.3679 , P(d2=2) = exp(-1.0). 1.0 2 / 2! = 0.1839 bulunur Kabul durumlar zerinden ; P(a)= P(d1=0)+P(d1=1).P( d2 5_ 2) + P(d =2). P(d2 s. 1) + P(d1=3). P(d2 =0) =
= 0.6065 + ( 0.3033. (0.3679 4-0.3679+0.1839)) + (0.0758 . (0.3679+0.3679))+(0.126).(0.3679)

= 0.9458 bulunur. Soruda verilmemekle birlikte daha bir ok de i ik kusurlu oranlar iin P(a) olas l klar hesaplanabilir ve plan e risi izilebilir. c. Yukar da belirtildi i gibi bir ok de i ik kusurlu oranlar iin P(a) olas l klar hesaplanabilir. Sonular yle olacakt r. Kusurlu oran P : P(a) : 0 1 0.01 0.05 0.10 0.20 0.9998 (0.9458) 0.6999 0.2279

182

Bu sonulan a a daki ekil ile grebiliriz.

P
0.9991

Ni,
CKS.0.0469

ARA
PARTI PT.0.6490

Bu ekili olu turmann gere i KKD ve PT de erlerini (olas l klanm) pratik olarak hesaplamak iindir. Buna gre ; KKD iin , 0.9998 0.9458 = 0.054 0.9998 0.95 = 0.0498 0.05 0.01 = 0.04 X denilirse buradan ;

X = (0.0498).(0.04) / 0.054 = 0.0369 bulunur ve KKD = 0.01 + 0.0369 = 0.0469 olur. 1 - 0.20 = 0.80 PT iin , 0.2279 - 0 = 0.2279 0.2279 0.10 = 0.1279 = X denirse buradan ; X = (0.1279).(0.80) / 0.2279 = 0.4490 bulunur ve PT = 0.20 + 0.4490 = 0.6490 olur.

183

Yorum : Bata verilen ift mekli plana gre ; N=400 birimlik bir partinin iyi parti olarak kabul edilmesi iin en fazla % 4.69 oran nda kusurlu birim ihtiva etmesi gerekir. ( yi partideki en fazla kusurlu birim say s : 400.(0.0469)= 19 ) Kusurlu oran % 64.9 'dan fazla olan partiler kt partiler olarak kabul edilecektir. ( 400 birimlik bir partideki kusurlu birim say s : 400 . (0.6490) = 260 ve daha fazla ise bu parti ktdir. Kusurlu say s : 19 - 260 aras nda olan partiler ara partilerdir.

rnek 6: ift katl kabul planlar nda de i ik oranlarda gelen kusurlu

yzdeleri varl nda P(a) : kabul olas ln a a daki durumlar iin oluturmada "zet" bilgiler . b. (c1=1 , c2=4 ) c. (c1=2 , c2=4 ) a. (c1=1 , c2=3) , zm : a . P(a)= ( P(d1=0) + P(d1=1)) + P((d1=2).(P(a=0).P(d1=1))+ P(d1=3).P(d2=0) b. c. P(a)= ( P(cl =0) + P(d =1)) + (Pd =2). ((P(d2=0).P(d2=1).P(d2=2)) + P(d =3). (P(d2=0).P(d2=1)) + P(d =4).P(d2=0) P(a)= ( P(c11=0) + P(d1=1)+ P(d =2))+ P(d1=3).(P(d2=0).P(d2=1)) + P(d1=4).P(d2=0)

6.7.3 ikiden ok katl rnekleme planlar

ok katl rnekleme planlar nceki planlara gre daha karma k olmakla beraber, partilerin kabul edilmesi durumunda yine nceki planlara gre daha kk rnek hacimleri kullan m gerektirdi inden muayene masraflar daha d ktr.

184

6.7.3.1 katl rnekleme plan

Tekli ve ift rnekleme plan daha nceden anlat ld ndan(bilindi inden) katl plan anlat m aa da verilen rnek 7 zerinden daha kolayca ifade edilebilir. rnek 7 n =25 , n2=25 , n3= 25 olsun. Yine ; ( c 1 1=0 , c 12=1) , (
C22 =

3) , (c3 =4) , (c32=5 ) p=0.02 iin partinin

durumlar nda parti kalite dzeyi- kusurlu para oran kabul edilme olas l n bulunuz. zm : l plan n ak a a daki gibidir;

d <0

0<dp 1

d i>1

d --d42

2 <d +d2.<3

+dz>3

dl+d2+d3(4

4<dl+d2+d3(5

d l+d24-d3>5

Buna gre kabul olas l P(a) = P( Kabul / d =0 ; d +d2 < 2 ; d +d2+d3 <3) le bulunur. Daha a k olarak ; P(a) =

=O) + P(d1=1).P(d2=0) + P(d1=1).P(d2=1)

+ P(d1=1).P(d2=2). P(d3=0) + P(d1=1).P(d2=2). P(d3=1) ile bulunur.

185

6.7.3.2 ok katl rnekleme plan

Parti haldunda kabul veya red karar N adetlik partiden al nan ikiden fazla rnek grubuna uygulanan muayene i lemi sonunda belirlenir. A a da plan n ak grlmektedir ;
I1. rnek grubu : n

d <c

I
I2. Ornek grubu : n2

d i >C12

C2I < d, .d25 C22

i. rnek grubu :

>a2

T
Parti kabul edilir

Bu planda kabul veya red karar iin esas al nan kriter a a daki gibi zetlenebilir. di < ci ise parti kabul , ci < di S ci2 ise rneklemeye devam , ise parti iin red karar verilir. di > ci

rnek 8 : Bir fabrikaya gelen N= 5000 adetlik PVC borulann kabulu iin oklu rnekleme plan na gre ; n =50 , n2=50 , n3=100 , n4=100 , n5=150 , n6=150 , n7=200 adetlik rnekler al nmas kararla t nlmtr. rneklerdeld kabul say lan ise yledir;
C1-0 , c2-3

, c3-5, C4-6 , c5 8,

C6-10 , C7-13

186

muayeneler sonunda 4 adet rnek grubunda s ras yla yap lan d =2 , d2=2 , d3=2 , d4=0 adet kusurlu bulunmu tur. Karar verme srecini belirleyiniz. zm 1. mekte c =0 < (d1=2) < (c2=3) oldu undan 2. rnek al nr, 2. rnekte : c2=3 < (d1-1-d2=4) < (c3=5) oldu undan 3. rnek al nr, 3. etmekte : c3=5 < (d +d2-i-c13=6 5 C4) oldu undan z 4. rnek al nr, 4. rnekte : d +d24-d3-1-d4 =6 5 (c4=6) oldu undan Parti KABUL edilir.

6.7.4 Ard k rnekleme plan (Sequential samplinging)

ok katl rnek alma plan kendi yap s iinde ele al ndnda kullan c ya byk say da davran biimi b rakmaktad r. Bununla beraber partiye tan nan an (k :al nabilecek rneklerin maximum say s ) bydke maliyetler bymekte, bazende gereksiz muayeneleri gndeme getirebilmektedir. Ard k rnekleme plan WALD taraf ndan II.Dnya sava s ralannda geli tirilmi tir. Plana gre ; birbiri ard na seilen rnek gruplannm kmlatif hacimleri ile kusurlu para (kabul / red ) limitlerinin kmlatif de erleri gznne al narak karar blgelerini gsteren bir diya ram elde edilir. Parti iin (kabul / red ) edilebilir kusurlu para oranlar ve riskler verildi i taktirde, rnekleme tablolanndan yararlanarak karar verme kriteri olan "kusurlu para say lar!" bulunabilir. Tablo 6.1 'de e itli parti hacimleri ve KKD(izin verilen kusurlu para %'leri) iin al nacak ard k rnekleme hacimleri ve (kabul / red) veya (rneklemeye devam et) karar m belirleyen kusurlu para say lan verilmi tir. Dikey stunlardaki (K) ve (R) s ras ile Kabul ve red karar n belirleyen "kusurlu para say landar." Tablo kullan l rken OK'lu ( ) blgeye gelinirse OK'un ucundaki ilk plan al nr. Tablodaki noktalar ( . ) o rnek hacminde herhangi bir kabul say s nn bulunmad n belirtir.

R4 4E OUSEK

11231=11112,111E11111211111E11 o 112111102ra , 2 Ng"r n,12 11211100131310012g111111131131311130113 anoc rcum M 111~~111111:10113113111051113181011:111121011013

az r ICIN
1110.1

113111 o Il= ;;; I 1C311 C IN KM MM leill ellIC dICIN ICUI 13c =M

3,";

n
il

aziaram

Pano

vr~1

11111811201113101120=113111111110201110100011:101 111121131211311211MuulGUIEMIUDOINICIE1001012 U0131011211311111131111:111:101131111130134111111113C1111013 LIEMEIDOCIIME1011131110101121111113111:10101111:11.11111 01110111101130DEMUIDEIUMICIUDIEMIZEIUDIDID 101E1011CIEWHEIEWIEMIGE:111213UGLIGIC CIU121212 glelniUgIGE111112111:101310101300011:1101301GGEIEDI u113101113~1111101010011:1101110E1E10013EMBEICIMECI IIIIIMINIME1011311011301111103111iglaLl131111111:1111113E11011 liMIE1101:11121011:111111170101211111111130011301113001311111 GEMIG MEIMIEWEIOIDGIDIREIGOEMOC:1121:100131 111111/EILTIMIEWILIZIEILIDUMIENIC1110~11300:10C11 EIMIESIZEIDOWICIOCIGUIEEMEICIIIME10000011:10C1 11111111110111111 01110011210112113OCILIGIIIIIDOE10112000EICIEIG 111112113E10111 0101011101E101113111E1EILIZIOILIE1113011:11:1113C111120 r1117112131111111011:10111111130111:111210131131130111313113121101111201Ma
1211111CM101001121111:111811:10011111EILKIGICIED1112100130

anumfflananalammaniropo n co

enal

MI IlleaDENOGU0012011112111011:11001MME10120EIGE1001 11=111 IMEICIEIGIGEIGEMEIGIEll 11011111 .1111 .11121 1111111111 11 1111EMBEIMIDIEIMIGIC10113101131120111010111000

.., ";";

am

nonlIMICIIIIIMEMOCIIERIUMICIOUQUICIGGEIGIOCI

cn enr nar am rmarnna naminno now nnnara ne r onnmannr na no r mninennemoc mmeGIMING inem n onsiODE1181101131131130=1113011210013oommounium
1:31111111E111111100112101311311:111:111:100010CIEIGIDEMEICE100000E10

CIIN:11113112121EIMUUICIDGME1120121:11212CIE1120121:18101:10101

cr o

:r>

os. 5 .ts

a.

o:

o-

$:0

t:7

188

rnek 9 : Bir imalathaneye gelen N=600 birimlik bir parti A mal iin Ard k rnekleme plan uygulanacakt r. A mal iin KKD= %5 olarak olarak kabul edilmektedir. Ard k rnekleme plan n uygulayarak a klaynuz. zm : Tablo 6.1 'den N=600 iin parti hacmine bak ld nda (500-799) sat n ve stten KKD=%5 de eri dikkate al n r, de erler okunur. * Birikimli *
rnek hacmi Kabul say s Red say s 40 1 6 60 3 8 80 5 10 100 6 11 120 10 11

ncelikle; *n=40 birimlik rnek ekilir. ekil 6.2'deki karar blgeleri olu turulur. [Parti hacmi ( 500... ile 799....) aras nda olan ve KKD= % (..%5..) olan bir ard k rnekleme plan na ait karar blgeleri] olarak kabul ediniz. *Belirlenen kusurlu say s =d i aretlenir. (Kabul veya red) blgelerine d medi i takdirde rneklemeye devam edilir. *Burada kabul say st = 1 , red say s = 6 'd r. *Sonra 20 adet rnek daha ekilerek devam edilir. *Bu durumda kabul say s = 3 ve red say s =8'dir. *Arta kalan say iin ekmeye devam edilerek 20 adet rnek daha ekilir *ve birikimli rnek hacmi 80'e kanl r. *Kabul say s = 5 ve red says = 10'dur. *E er arada bir say varsa rneklemeye devam edilerek 20 adet rnek daha ekilir. *6 adet kusurlu kabul , 11 adet kusurlu ise red edilir. *Arada bir say varsa 20 adet bir rnek hacmi daha ekilerek son rnek hacmi 120'ye kart l r. * 10 adet kusurlu kabul ve 11 adet kusurlu ise red edilerek Kabul ve Red blgeleri pratik olarak birle ir. * Bu durumda ; N=400'lk partinin kabulu veya reddi konusundaki sonu karar son a amada kesinlikle belirlenmi olur.

189

6.7.5 Di er rnekleme planlar

Buraya kadar belirtilen rnekleme planlar n n d nda a a da belirtilen ve ayr nt lar na girilmeyecek olan rnekleme planlar da mevcuttur. Bunlar ; Srekli rnekleme plan Zincirleme rnekleme plan Parti atlamal rnekleme plan Kmlatif toplamal rnekleme plan

6.8 rnekleme Planlar n De erlendirme Teknikleri 6.8.1 Ortalama k kalitesi ve s n r (OKS) (AQOL- ing)
Bu kavram ile btn partilerin kalite dzeyleri yans t l r. OK ; parti kalitesinin birden fazla olmas durumunda belirli bir rnekleme plan erevesinde "kabul edilen" partilerin kalite dzeylerine ek olarak red edilen partilerin %100 muayeneden geirilmesi sonucunda elde edilen parti kalite dzeyinin a rl kl kalite ortalamas d r. Daha ba ka bir de i le ; bir rnekleme plan uyguland nda partinin red edildi i durumlar olabilir. Reddedilen bu parti ; %100 muayeneye tabi tutularak kusurlular ay klarnr, ve yerine kusursuz(sa lam) paralar yerine konur, Dolay s yla ; reddedilip de dzeltmeye tabi tutulan sz konusu partide "kusurlu oran = s f r " olacakt r. Ancak, plana gre "kabul edilen" partide belirli bir oranda "kusurlu birim" bulunacakt r. Bu durumda plan uyguland ktan sonra partinin kalite dzeyinde bir art olaca da a kt r. zetle ; tketici, uygulanan kabul plan ile (kabul veya rededilen) partiler toplam nda bulunmas mmkn olan "en kt kaliteyi" bilmek ister.

190

te ; reddedilen partiler ay klan p, kusurlular at ld ktan sonra btn partilerdeki ortalama kusurlu yzdesi => "Ortalama k Kalitesini" verir. Bu yzde : kusursuz partilerin (c/0100 muayene edilmi ve ay klanm ) ve hala yakla k olarak belli bir P kusur yzden partilerin ortalamas d r.

0.02

0.94

0.06

0,08

0.10

ekil 6.3 ( N=3000 , n-150 , c=4 ) tekli rnekleme plan na ait bir OK e risi grnts

Ortalama k Kalitesi = P(a) . P. 100 ile belirlenir. rne in ; kusurlu oran P=0.01 olan bir partinin kabul olas l 0.94 ise ; gelecek 100 parti maldan ( 94 tanesi kabul , 6 tanesi red) edilecek demektir. Bu 6 parti %100 muayeneye tabi tutulunca kusurlular ay klanacak ve kusur oran s f r olacakt r. Bu durumda Ortalama kalite ; OK = 94(0.01) + 6.(0) / 100 = (0.01).(0.94) olur. Bu ise OK = P. P(a) demektir. Bu forml N'in sonsuza yakla mas durumunda geerlidir. N' in kk de erleri iin ; (Tekli rnekleme plan iin) OK = P(a).P . (N-n) / N

191

N' in kk de erleri iin ; (ift katl rnekleme plan iin) OK = P. P(a ) . (N-n ) / N + P. P(a n. ( N-n -n2) / N ile bulunur. Burada ; P = kusurlu oran , P(an = 1. rnekten sonraki kabul olas l P(a n= 2. rnekten sonraki kabul olas l

anlam ndad r.

OK 'nn ald "En byk-maximum" de ere ; Ortalama k Kalitesi Sm r' denir. Herhangi bir kusurlu oran iin OK maksimum ise o kusurlu oranna kar l k gelen parti en kt partidir. Bu durumu bilmek : al c veya tketici iin nemlidir. rnek 10 : Tekli rnekleme plan dahilinde ( N= 300 , n=24 , c=2 ) iin e itli kusurlu oranlanna ait kabul olas l klar' a a dad r. OKS de erini bularak yorumlaym z.

Kusurlu oran (P) : 0.03 0.05 0.10 0.20 P(a) : 0.9635 0.8795 0.5697 0.1425 zm : N=300 kk kabul edildi inden ; OK = P(a).P.(N-n) / N yardm yla ; P 0.03 0.05 0.10 0.20 P(a) 0.9636 0.8795 0.5697 0.1425 OCK 0.03.(0.9635). (300-24)/ 300= 0.0266 = 0.0405 = 0.0524 ** = 0.0262

Yorum : En byk OK de eri 0.10 kusurlu oran na kar lk gelmi tir. Yani OKS = 0.0524 `dir

192

Bu tekli kabul plan na gre ; en kt kalite %10 kusurlu oran na gelen partidedir. Bu kusurlu oranlar na gre en kt partideki kusurlu say s nn 300. (0.0524) = 16 olmas beklenir. rnek 11 : Tekli rnekleme plan dahilinde ( N= 3000 , n=89 , c=2 ) iin Ortalama k kalitelerini bulunuz ve k s n rm verilen bilgiler yard m yla yorumlay n z. zm : Burada ; daha nceki P(a) bulma yollar ndan yararlamlarak hesaplanan sonular bulunabilir. N=3000 yeterli byklkte oldu undan OK= P(a).P.(N-n) / N forml yerine OK = P(a).P ile hesaplanabilir. Sonuta ; P 0.01 0.02 0.025 0.03 0.05 0.06 0.07 0.09 P(a) 0.938 0.731 0.623 0.494 0.174 0.106 0.055 0.014 OK 0.938 1.462 1.558* 1.482 0.870 0.636 0.385 0.126 OCKS 1.55

de erlerine ula l r. Bu durumda rne in kalite dzeyi : P=0.02=(%2) olan bir parti dzeltmeye tabi tutuldu unda kta %1.462 kusurlu olacakt r. Yine, kalite dzeyi : P=0.07=(%7) olan bir parti dzeltmeye tabi tutulduunda kta % 0.385 kusurlu olacakt r. Sonular topluca incelendi inde grlmektedir ki ; en kt k kalitesi OKS = % 1.55 sonucudur. Buna gre , giri kalitesi P=0.025 (%2.5) olan parti en kt k kalitesi olan % 1.55 sonucunu vermi tir. Yani kalitede belirgin bir "iyile me" oldu u sylenebilir. Bu durum a a daki ekil 6.4 ile de ifade edilebilir.

193
P(Kabul ihtimali)

ekil 6.4 ( N=3000 , n=89 , c=2 iin) OK ve OKS de eri

rnek 12 : ift katl rnekleme plan dahilinde ( N= 400 , n =10 , c =0 , n2=20 , c2=3 ) iin e itli kusur oranlar ve bunlara kar l k gelen P(a) kabul olas l klar a a da verilmi tir. OK de erlerini hesaplaymz ve yorumlay mz. Kusurlu oranlar
0.01 P(a) : 0.9998 0.05 0.9458 0.10 0.6999 0.20 0.2279

Bilgi : P(a/ 0.01 ) = Pl+P2+P3+P4 = 0.9048+0.0904+0.0044+0.0002 = 0.9998 P(a/ 0.05 ) = Pl+P2+P3+P4 = 0.6065+0.2789+0.0558+0.0046 = 0.9458 P(a/ 0.10) = Pl+P2+P3+P4 = 0.3679+0.2490+0.0747+0.0083 = 0.6999 P(a/ 0.20) = Pl+P2+P3+P4 = 0.1353+0.0645+0.0248+0.0033 = 0.2279

zm : ift katl kabul rneklemesi iin hatrlanacak olan forml ;

OK = P. P(4 . (N-n ) / N + P. P(aw. ( N-n -n2) / N P(a0 = P , P(a ) = P2+P3+P4 = P P Olduundan ncelikle P(at) ve P(a ) de erleri bulunur.

194

P
0.01 0.05 0.10 0.20

P1 --- P
0.9048 0.6065 0.3679 0.1353

P(a) 0.9998 0.9458 0.6999 0.2279

P = P P 0.0950 0.3393 0.3320 0.0926

Bu durumda OK de erleri ilgili forml yard myla a a daki gibi hesaplanabilir ; P(0.01) iin ; OK= (0.01).(0.9048).((400-10)/400)+(0.01).(0.0950).((400-10-20)/400)=0.0097 P(0.05) iin ; OK = 0.0453 P(0.10) iin ; OK = 0.0666 * P(0.20) iin ; OK = 0.0435

Yorum :
OCK sonular iinde en byk olan P= 0.10 'na kar l k gelen 0.0666 de eridir. Bu sonuca gre OKS = 0.0666 'd r. Bylece ; En kt parti kusurlu oran 0.10 olan partidir. Bu partide 400. (0.0666) = 27 adet kusurlu olacakt r.

6.8.2 Ortalama rnek say s ve e risi (OS) (ASN - ing)

Herhangi bir rnek alma plan n n nemli bir zelli i ; rnek muayenesinin parti ba na maliyetidir. Muayene edilecek rneklerin al nmas na ait masrafi dikkate alm yoruz. nk, bunlar bir rnden di erine ok de i en dur unlard r. Buradaki esas problem ; giri kalitesi belli ve P olan bir partide bir kara vermemiz iin muayene edilmesi gereken "ortalama para say s n " tesbit etmektir. OS = Ortalama rnek say s = parti hakk nda karar vermemiz iin gereken parti ba na ortalama para say s d r.

195

Tekli rnek alma plan iin bu durum kolayd r ve " n " anlammdad r. Fakat ikili rnek alma plan iin biraz daha kar kt r. 0S , n ve n +n2 aras nda bir yerdedir. Nerede oldu u? sorusu " partinin % ka bir karara vardabilmesi iin ikinci bir rne e ihtiya gsterir ?" durumuna ba l dr. ok iyi kalitedeki partiler ilk rnekte (kabul) edilirler, buna kar l k ok kt kalitedeki partiler genellikle ilk rnekte (red) edilir. Bu durumlarda 0S n 'in yaknnda bulunur. Di er taraftan orta kaliteliler iin 0S n +n2 'ye yak ndr. nk, genellikle ikinci bir rnek gerekli olmaktad r.
rnek olarak ; (N=3000 , n =100, c =2 , n2=200, c2= 5 ) ikili rnek alma plan sz konusu olsun. P= 0.03 iin kabul olas l hesaplar n ve a adaki bilgiler dikkate al nrsa;

Birinci rnek n .P = 100.(0.03) =3.00 kinci rnek n2.P = 200.(0.03) =6.00

ikinci Nmune n z p' = 6.00

I Birinci Nmune n p' = 3.00 P, veya daha az = 0.423

P3

P. ya yap lan i18ve 0,423

= 0.224

P, veya daha az = 0,062

(0,224) (0,062) = 0,014

P. veya daha az = 0,647 P, = 0,168 P, veya daha az =0,815 P ; = 0,101 P; veya daha az = 0,916 P.= 0,440 P., = 0,002 (0,101) (0,002) = 0,000 P, veya daha az =0,017 (0,168) (0,017)=0,003

Buradan hareketle P(a)= 0.440 bulunur.

196

partinin birinci rnekte kabul olas l = 0.423,

partinin yine birinci rnekte red edilme olas l = 1-0.916 'd r. Dolay s yla ; birinci rnekte karar verme olas l 0.425+0.084=0.507 olur. Sonuta ; OS = 0.507. (n ) + 0.493.(n +n2) / (0.507+0.493) = n +0.493 r2 = 198.5 bulunur. n =100 , n2=200 oldu undan genellikle ; OS= n + P(ikinci rnek) 112 dir. al ma Karekteristi i (K- OC-ing) e risi iin hesaplanan de erlerden OS ' kolayca belirleyebiliriz.

CLOZ

0.04

0 06

O 05

O ft/

04n

per+..1 irehiet,

ikili plann K e risi (a)

N=3000 , n=150, c=4 iin K e risi (b)

(a) ve (b) iin OS e risi

197

(N=3000 , n =100, c1=2 , n2=200, Parti kalitesi P 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08

C2=

5 ) ikili rnek alma plan iin OS OS 100 116 161 199 209 198 177 154 135

ikinci bir rnek almaya ihtiya olmas olas l 0.000 0.079 0.306 0.493 0.547 0.491 0.384 0.271 0.177

(N=3000 , n =100, c =2 , n2=200, c2= 5 ) ikili rnek alma plan ve (N=3000, n=150 , c=4) tekli rnek alma plan n iin ortaya kan OS e rileri yukar da icelenirse grlr ki ; ikili rnek alma plan iin OS say s tekli rnek alma planndan d ktr. P=0.00 'dan_ 0.018'e kadar ve 0.073'den sonra rnek miktara daha d k, arada ise yksektir.

6.8.3 Ortalama toplam muayene say s ve e risi(OMS) (ATI-ing)

Bu e ri ; rnek muayenesi ve ay klamay ihtiva etmek zere parti ba na "toplam ortalama muayene say s n " gsterir. ki k s mdan olu ur. 1. Plan iin OS , 2. Reddedilen partilerin % 100 muayenesi

Tekli rnek alma iin durum kolayd r. Kabul edilen partiler iin OMS sabittir; n ve bunlar n oran 1- P(a) 'd r. OMS =N 'dir.

198

Dolay s yla ; OMS = P(a). N + ( 1- P(a) ) . N olur. ikili rnek almada durum biraz kar ktr. OTM 'yi bulmak iin OS'na ne ilave etmemiz gerekmektedir ? Baz partiler ilk rnekte reddedilirler ve dolay s yla N-n kadar ilave P d > C2 denilirse pararm muayene edilmesi gerekir. Bunlar n say s na (N-n ) P d > c2 kadar paran n muayenesi gerekecektir. kinci rnekten sonra ilave partilere %100 muayene gerekecektir. Gerekte byle partilerin oran ; 1 (kabul edilen partilerin oran ) ( birinci rnekte reddedilenler oran )'d r.

( N n n2 ). ( 1 P(a) P d > c2) OTM = 0S + ( N n ) P d > C2 + ( N-n -n2). (1- P(a) P d > c2)

Daha nceki alt k s mda bahsedilen P= 0.03 iin ikili rnek alma plan nda ; OTM=199+ (3000-100). (0.084) + (3000-100-200). (1- 0.440-0.084)= 1.728* bulunur. Hesaplamalar a a da grlmektedir Parti kalitesi P 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 Parti ba na OTM TEK KL 150 100 204 205 677 899 1.484 1.728* 2.188 2.301 2.624 2.637 2.843 2.820 2.940 2.913 2.977 2.959

199

6.9 K , OK, OS, OTM E rilerinin kar la t r lmas

Buraya kadar anlat lan ve kullan lan ; bir rnek alma plan n n karakteristiklerini de erlendirmeye yar yan drt e riden bahsedildi. Bunlardan ikisi ( K ve OK) : plan n n sa lad koruma ile ilgilidir. Di er ikisi ise ( OS ve OTM) : plan n maliyeti ile ilgilidir. Byk rnek hacmi ile daha hassas olan K e risi elde edilir. Fakat bu durumda rnek muayene masraflan ykselir. Dolay s yla a a daki durumlar ortaya kar : 1. Byk rnek hacimde ; rnek yanl karar riskini azalt r , fakat rnek alma masrafiann ykseltir. 2. Kk rnek hacminde ; rnek alma masraflar dktr, fakat yanl karar riski byktr.

Bunun zm : btn partileri ayn % ile muayene etmemektir. rnekler tesadfi al nmazsa bunlara kar l k gelen sonular fazlaca bir anlam ifade etmezler. Veya rnekler tesadfi seildi i halde (sa lam ve bozuk) para tan mlamalar a k de ilse yine byk bir anlam ta mazlar. Bu iki husus herhangi bir "rnek alma" plan n n al mas na esast r.

6.10 Haz r Kabul rneklemesi Plan Sistemleri

Bir rnekleme plan sisteminin tasar m ve haz rlanmas kolay de ildir. nceki anlat mlarda grlece i gibi uzun istatistiksel hesaplamalar n yap lmas n gerektirir. Plan n tasar m ; al ma karakteristi i e risinin istenilen artlara uygunlu unu sa layan "rnek hacmi" ve bu rnek hacminde bulunaca kabul edilen en ok say daki kusurlu rn " d " de erlerinin belirlenerek hesaplamalar n yap lmas ile olu turulur. Plan sistemleri grupta toplanabilir ; 1. llemeyen zellikler iin rnek alma plan sistemleri, 2. llebilen zellikler iin rnek alma sistemleri, 3. Srekli retim iin rnek alma plan sistemleri

200

6.10.1 llemeyen zellikler iin rnek alma plan sistemleri

Burada ele al nan plan sistemlerinin anla lmas ve de kullan lmas kolayd r. Bu plan sistemleri iin nceden haz rlanm izelgeler-tablolar bulunmaktad r. Kullan lacak plan ve gerekli ifadeleri esas al narak sonuca ula l r. rne in "Tekli rnekleme" plannda; kullan c ya lazm olan ( n , c ) de erleri elde edilecektir. Yine "Ikili rnekleme" plannda; n ,n2,c ,c2 de erleri elde edilecek ve gerekli nitelik kontrolu yap lacakt r. Bu al malarda en ok kullan lan plan sistemleri a a dad r. Bunlar ; 1. 2. 3. 4. TS 2756 veya ( MIL STD 105 D) Plan sistemi, Dodge-Romig plan sistemi Chain plan sistemi, Philips plan sistemi

6. 10.1.1 TS 2756 / MIL STD-105 D (M l tary Standard) haz r plan sistemi

zellikle II. Dnya Sava s ras nda geli tirilmi tir. Gnmzde olduka fazla kullan m olana na sahiptir. Bu standard n temeli olan MIL STD-105 A 1950 y l nda , MIL STD-105 D ise 1963'te olu turulmu tur. Yine bu standarta benzeyen ANSI/ASOC Z 1.4 ad ndaki sivil standart plan da mevcuttur.
Plan n kullan m amac : Hedef kaliteyi korumakt r. Plan kullan m iin gerekli kavramlar : AQL (Acceptable Quality Level = Kabul edilebilir kalite dzeyi) : Al c taraf ndan belirlenir. Partinin kabul edilebilir en kt yzdesidir. (% 1 ile 1000 aras nda) Muayene Dzeyi : Planda 2 k s md r. (a) Genel Muayene : 3 dzeyi vard r. ( Gev ek, Normal, S k)

201

S k Muayene: Muayene dzeyi olup, muayeneye sunulan rnn insan

sa l ve hayat na yapaca etkilerin nemine gre, yzde yz'e yak n oran mn muayenesidir. Normal muayene: Numune sayas s k muayeneye oranla daha az fakat numunede bulunabilecek kusurlu say s n n daha byk oldu u bir muayenedir. Gev ek muayene :Numune say s ve buna kar l k gelen kabul say s di er iki muayeneye oranla daha byk olan bir muayenedir ** Aksi belirtilmedike : Normal muayene al n r.

(b) zel Muayene :4 dzeyi vard r (S1-S2-S3-S4)

rnek plan : Tek'li, ki'li, oklu Kullan lan Tablo say s : 2 adet
1. KOD harfi tablosu , 2. AQL ve K/R sonular tablosu

PLANI KULLANIM ASAMALARI :

1. 2. 3. 4. 5. AQL seilir. Muayene dzeyi belirlenir. Parti bykl (N) belirlenir. ilgili tablodan (Tablo 6.2) rnek bykl KOD harfi saptan r. rneklem plan belirlenir ve ilgili tabloya (Tablo: 6.3, 6.4, 6.5) geilir. 6. Tablo 6.2' den saptanan Kod harfi. Buna kar l k gelen numune hacmi, hacirnleri ve seilen AQL ile ak an ( Kabul ve red say lar ) okunur. 7. rneklem plan na gre denetlemeler yap larak parti hakk nda kabul/red karar verilir.

MIL STD 105 D PLANI N GEREKL TABLOLAR

-

Tablo 6.2 : N parti bykl ne gre rnek (numune) bykl KOD tablosu Tablo 6.3a : Normal muayene iin Tekli numune alma plan tablosu Tablo 6.3b : S k muayene iin Tekli numune alma plan tablosu

202

Tablo 6.3c : Gev ek muayene iin Tekli numune alma plan tablosu Tablo 6.4a : Normal muayene iin ikili nurnune alma plan tablosu 6.4b : S k muayene iin ikili numune alma plan tablosu Ta 6.4c : Gev ek muayene iin ikili numune alma plan tablosu Ta 6.5a : Normal muayene iin oklu numune alma plan tablosu Ta 6.5b : S k muayene iin oklu numune alma plan tablosu Ta Ta 6.5c : Gev ek muayene iin oklu numune alma plan tablosu Ta 6.2 : N parti byld iUte gre rnek (numune) bykl KOD tablosu

Parti Hacmi (Lot or Batch Size 2 8 9 15 16 25 26 __ 50 51 ____ 90 91 ___. 150 151 280 281 500 501 1200 1201 3200 3201 .-._ 10000 10001 ..... 35000 35001 ___ 150000 150001 500000 500001 _. -f-

zel Muayene seviyesi S-1 S-2

1

Genel Muayene seviyesi I II III

S-3

S-4

1
nao
Qu.L.O

Z ,a4 ..

za

tl.)

tl.

Z0-,O'

r
3e.9114 e/. csdo 11 3

( .)1114 , 1:le 4 i at i 1:4)(1 harfi

Kabul edilebilir kalite seviyesi

o:o o
0.015 0.015 0840 0 043 010 001 023 040 045 10 IS 15 40 IS Re 4. Re IS 25 Re As 40 65

100

130

150

400-

1150

1000

Ac 11. Ac Re Ac Re Ac Re 4. Re Ac IR Ac Re As 01. Ac A. Ac

Re Ac R. Ac

Re Ac R. Ac Re Ac

R. As Re A Re As Re Ac Re As Re Ac Re le ar As Rs 222 34 3 I 6 J S 4 4 36 7 1

13 F 20

40 175 L 200 313

11W
47.
1

o
00 C..."" 8,1 O I O I 41 I 2 3 4 6 42 2 3 5 7 10 3 4 B

I,
I Il 2 3 5 I O 4 I 2 3 4 I

1
2 J S

14 15 11 22

3033 44

10 Il 14 15

06 11 II 711 39 11 1 22 34 31 44 43

40

I2

23 34 06 Il

12 10 II 10 U

22 30 s
39 31 44 4$

<?'

22
1 S 7 I 4 4 6

15

40114 15 Il t 15 92

1 1 2 3 5 1 2 3 4 t I 3 $ 1 2 3 4 6 I 2 1 $ 7

2
3 4

2 3 S 7

10 II 11 I IS

15 2 22

"

IS 21 22

42

23

8 10 11 14 1$

U IS 24

2 2 3 4

3 4

10 1. 1 4 IS 21 22

2.
P 800 1250 2

3 J

34 4

i 10 Il 14 IS

2 3 3 4 S 4 J 4 5 B 1 11

10 11

O1

lO Il

14 IS il

1123

S6

7 I 10 Il

14 IS

21

22

Ac : Kabul

12e : Red

( .h . ocklen l Ac i kod l arli

I
Kabul edilebilir kalite seviyesi
11 0.010 0.0i0

0015 0.040 0.461

Ito Ac

030

1315
86

025 0.44

045

10

13 114

2.5
Ac 16. Ac

40 M

4.5
Ac fl.

10

IS

25

40
k /o

45
I

100

150

2/0

400

1550

1090 14.
11 43

Ac

/13 As R. Ac

HA Ac 914 3,4

M Ac

A< Ne As Ile A c 114 k 114 A<

Ac R. Ac 04 A< P.

k /o Ac Re Ac 44 Ac R. Ac 144 Ac 11. Ac

I
Oh61

jj7 1 2
1 2 2 3

5 4 1 1 Ir 13 II 1/ rt 8 9 a 13 o 16 2/ 28 41 Ia 11 le 19 aT 28 41 42

Oh WIL alB .

. ,I
i.

O1 I

"---

EOsate.
70

,...." 0
O 1 1 , Il : 12 2I 34 A.,,,' 0 1 2 1 2 2 1 1 21.1 2 3
ss

t a 1 / 1 4

5 6 4 9 l2 13 le o 17 :e il 42 0 12 13 U19 21 2/ U42

'

9 12 13 i l1: : t "' 2 13 18 19 11 19

R8

I
8 1 2 2 3 1 4 11 8 9 12 13 1 19 3 3 4 5 i 9 12 11I 16 19 .CA. 4 4191111119,...
s

0 1
201/*

ji
1

O
,

0 1

l 1 9 1 U 1 19 I 2 3 4 3 3 4 5 4 9 2 1.1 18 19 6 8 9 1 13 18 19 4 9 12 11 1

1 ..tr>

2 3

4 5 4

)1311

Ae Kabul

Re : Red

l cl,le ll hacmi Iso l 11;11 - 11

s...0.
code Mum

Kabul edilebilir kalite seviyesi

0.010 0.013
N,1 Mil AcAc As14. Ac 21. Ac IP Re

0,23

0.0t0

0.063

0.10

0.13

0.23

0.40

0.46

1.0

1.3

.0

6.5

16

15

75

112 Re

30

20 e:
Ac il. 16 11

160

10110

0 R. At Re
,

A< M

R.

Ni Ac R* At R. A4 Rs

NHNL II

Ac Re

At AA 14 13

P* 30 31 30 31

it

Il

10

14 17

O O 1

'tes?'

Q
`43.
O 2 1 3 3 2 1 3 1 1 S 1 3 t

t 4 2 S l I 2 5 I 6 2 3 3 11 $ G

S e a 7 10 1 10 13

N I0 II 14 17 21 34 Il 4 11 1 21

2 3 3 Il 3 0 7 10 10 U 3 4 5 O 11 11 la I) 5 a i te 30 13 If.

nn
0 2 1 3

...,,.
k *

I J 1 1 2 3

! O 7 10 1 U 10 13 S 7 7 10 10 1 , 7 10 10 Il .t.", 10 Il .C?

O t 1 3 1 4 2 S 1 6 I 3 1 I 2 3 3 O S O 1 4 Z 1 6 5 6 7 10 0 2 I 3 1 1 2 5 3 6 S 11 ? 10 10 13

KO

fi-

Ac : Kabil I

Re Red

D 9
Aana z,

I 2

l^o a

<

1
0

il i, 0 I

4: : 1

." `" I

4, C,

'

l 11 It

,"

s as,

1.(3c

_k A_

13

B : <:3

__

206

Tablo 6.4a : Normal muayene iin ikili numune alma plan tablosu
-

3 3

141
2 .2

/1 11 141
2 2

2 2

z
4

11 $ 14 *
$

71 214

=*
2 21 214
2 2 2 2. 2
-

=
4

33 33 23 II
lin".5.5.

hacmi Isu l

I- b u
3

$.0

11341 11

III

411

461

143 /.3 43, 4,. N 43 11. 3.3 1.H O* 133, at

monewei . ei .. an . ece - ZESIIIIMEZZIENC: '

Kabul edilebilir kalite seviyesi D 15
'' R. o. let 1

414

11134

Ittt

ERI 1 1 1 1 1 1 1111E11 el el 111E1 E

la 8. 4.33.31

M 366661

11

.-, S.D. IL ,

el 11 IL .AM .r em Immim filen i: i: i: mm mE

1 1111 1 . : :IEEE .'' m u el elei

. .

3 7 4 1 1 1 II 11 13 H D14

Ra

UY

I I.

11

3 t 4N 11_ . 1/ ,..,... H t 1 4 I 11 11 11 14 11 14 14 1.1 14

1 4 4 i

Ii S H V 38 1

ET

L-

t It III 54

13.:1

1 11 11

11 14

FI i Dt st l*91

1: H

r e e MIII El
11
o
MI

RIR L

MillE1

14 33 11

i,

. 1. .1 14

8 1 Mi 1 / 4 11 3 11 1 I H 13 11 19 E3 1,

ii

131

ill

ji jt e. 1 . 1. .
li.

l 3 o E11 IS 11 13 3$ H 1 D J 1 14 ct. 4 1 4 43 Ille 13 t/ 13 14 1/ 14 1 J H 3.3.. I O 3 1 3 S 7 1 1 13 I Z I 4 4 S 4 t 11 lt O 16 /I 34 243114131111411. 1 3 1 S 3 / 11 13 33 N tl 14

FIA

91 1 1

la.
S- 71

i s

117 1TiF

119

Q 4

f ne kor .1

3 1 11 Il H H l k

1111.13

ma
33,

umimeeite im ele an
....... .......

434/ IR //1134 Ple<7. I t I 4 4 3 4 1 11 II H 14 H 33 U

Tf

Ac : Kab 1

-1-11

IZe : Red

1110

(/rnel:let l I ac i Iso l hayli

Kabul edilebilir kalite seviyesi h..4 Il

41/0 11 313 G 013 e.0a I O 10 4.15 6Z 3O A II.
.. k wa

R.

s Rs

A II.
...

sw 4w

ji 1
4 63

jli jI
1. P
L) I

Il

13

23

I8

1.3

14

15

15

40

45

1111

130

440

466

I*

4 I,

$14

44 lill

46

Ac 11.

11. Ac R.

R.

A.

P.,

At NA

Ac IR

Rs AA Ila

11.

, jj.. .
-o-

.11
i. : ,"
,

_,. : Si ,

1:

... fk.

8 t:

e S M 7 Ii 11 O .C.., Il 12 I& If 21 24 .1*

4} ,

5.......

t, Ii , a u Il x

:::: -

-^ 1
e 4
9 II 11 I Y 4 II

1,1444 1.444

fi- .2.

::
1: 4 I Il 1 : 4 5
-

4 1

M
M

..). ...c...

4 O

34 : :

,,

II'

Z.

,, 666666

14

Plaa 3.444

tl.

1.c.64 91.4 3.4.44

Ac Kabul

Ei I
[ 7;1

II I3 16

. 3 / 3 1I 4 9 3 11

17'
0 / 1 II 4 3 1

O 3 e{ 8 I 3 3

9 6

11 11 5 a 11 O

ee
_ 3 ii

12 M 30 148 30
I lo

9'

-2L1.
:

fi' ,.& . 2 . 2 .
63

6 4

' G'

6104841121 11194133&4141

-1
11314 131710 la

-G.. :

II

1 4
:

4 3

0 3

4 6
,,

2 4

3 /

I 14

..9..

43.
0 t 1 /

, !.. 1

,,,,,,,,,,

5M
I 14

7r Ir - -:1 Eti]
31$ 315

1H: ;-]
30

37

'i?' .,,,,. ..[1.

O 4

3 4

4 3

Il 14

4t

-1
S

018104 4 61041514 S 6 J 4 O 3 1 G 2 t

t
3 3

23183 Y 416111118 1 I 3 10 8 U 12 14

7.11

n .
C.... I

23 il I

3 1

11 1

17'

2 . : : 3 : ,,,, ; ,,,,,, 02 2; :
itc :

cr 6"

r .M .4 18. .__, 9.7 "... 7.

937 . .7 9 e... 74 4.

my

N/

cr
4:

cp

3` 71

s- s

11

Tl

T1

1.

15

31

17

154

7.

37

M.t. 117. M

7 7 7 7

7 34.

M 7 M
r 61;

De Ac M 7 .<>6 No

7 7

97

C D 4. 5.7 877

.3C .

'.. 34D4 M

794 ...

8-13 .*

77 '.

3-3 '.

:3

" :" :41

'... .":;.1

fw
f ^

,
2 9

o t

4 N 7 14 1 13 111 /9 17 M U U M 17 M 15 97 7 U M..... o 3, l 4 47

I, s l s a .

I/ T 39 34 4 53

IT 711

/17 577 9,7 1. M .

U 31 5 -

3 3

7 1 9 4 U 14 ....... le ? 14 11 19 17 It 13 13 19 13 17 93 30 17 M E 7 7 M M 1 13 I 7 . 79 36 7 13 N U1417.91/13747411 14 M 73 31 tl 7 53 . 7/ 78

I I

s.....
7.1 17. 7914

174

t .a....

s
I 4 3 t

J 3 M

N U

Ir..
C Te. 'd 7147

le a
, Ii 31

t 9 I D 7 1 , .

star
S II 10 II

/ 1 N 13 1t

1 N 7N I 13 13 13 17 M II 19 17 7 E 31 Il 11 Z 7 II 1

....34

2. as

es a
77 1171 . 1173 U u 13 77 1.7 1.31 =' 571 D H D : 10 1 . tl 4 II U N Y 6 N Z 411 O 17 . 43.7

1 t III

12 1

Y 3 18 7 13 U 13 M . 25

1 sa.
9 13 1 13 7 EN . 7 La

17 Y 9 31 33

7 4 0 5 6104N t 6 M 13 M 13 . M II U 1? le 1 N 17 31 75 U3 U IT tl 31

me7

3 8 10 I 1.1 t 13 33 M N 13 N 18 19 0 N D t II 3 t N Il I

1 T 3 4 10 O II 13 t: 17 M 35 17 l s ,. . 73 31 L le

4441 7.

O U i M Il 1 39 ,i la
30 10 7 30 91 ili la 71 37 . , . 4 4 17

ras

IkN

.71 . 77 7. 61.1 77

t l sa Es
3 7 . 13 17 M 31 17 7 23 M 15 74 3 9. 7 14 II . MI E N 31 33 47

7 9 tl : 14 13 11 17 M 17 73 33 L33 Y 3? 31

M 14 17 1 14 18 It

P"
2 1 1 s 10 13 13 17 M
3

s...., na
177 M 193 17. 177 77 11. 9. 147 5473 974 M. 379 .40 m IZ 915 115 . 111 17 M 97 . 17 70 t

res .
Ir
74 71 /7 115 et 371 . 421 75 7/ 47 am 70 I= I

3.

: u
1 I Y 1 i

I: t: ''' 13 11 I/ Ir l ss s

13 . II A 17 . 9 31 D il II 25 T 7

111

3 4 7 . I I 3 1 3 111 7 31 1 N 12 I 1 .15 I 1 I 13 14 3 t . ll 15 7 M

111 7 M 1311 19 M I? M 25 11 311 Z 7 Z 22 . 39 . 20

3 / 7'39 1 14 Il M 13 75 4 4 N 13 31 N

t>

nas 3,7,
7 11.1 7. 5. s . 311 . S

lot V
. sa I. Mn 171 44 I. MI 279 1171 378 771

s
2 3 3 3 t 7 t 1 6 3 5N I

14 13 I 17 I 70 E7.3 95 26

f
I Z
13

t
MI 13

5 7 9 7 3 10 . 13 11 13 1. 11 U 1 17 13 . f I. Z 11 Z 9 31 33. . E li D D

i '
Ye 371 377 1117 Ma 5437

sa

97 . Ni EM 97 il

3 3 I 1 3 3 3 3 ]t

r o?

t. . ' . . L' Il 4 . 7 14 10 13 13 11 13 Il 17 19 15

N 11 x 17 31 33 31 D U 14 le 19 25 31 7 7

s r a IIr

..
..

....,

Kal

3 m
c

5 , a>

I1 1,

'2

J43. 62

174.

0 i 1414 I.

174

r111

111244_1 4

1 12

-r

oto

". . j.

64

64

14. I.. 269.2 46.

,,,,,,

e
1
i

2 S 4 1 .
1 4 G 7

.41.

1....
6.4 E.. 26

1: a le ss 0 Mr
14

4 G I I I 4 7 1.1 Il 4 II 1.1 141 E

e A 9
A

AS IS
Y

1.4

17 30

A 13 O

2.4. ....

I J .' i 1 0

8
4 MI 4

1..

4 4 1 3 3 7 I 12 111 .7 7 IS 4 17 1 A II IS 34 24H 61 Z U L4 Y 13 7314 43 IS U' 31 411 O

P.

,,..... r r , ...
.3. ..3

r U
O 73

1
....>
2 t 1 G I

;
7

II
'

,......
1641

* r r la la a
G 1
4 11 4 t 7 3 4 4 7 1.2,21 6 11 N 13 Y

O 04 12 tl M

l '. 1 j ,.:
It
III

no., sua

14...

1.1 I/
il 21
712

1
I .11 .[ 4 3 6 /
4

2 A Q 722 t Il 14 Mf M M A 73 U Ip

13

3 ,

as t
tl "

:, :: r . : ::73 :

l U la 71 IP l H II L

711 t.
133

, O t II I 72 . t 1 17 7. .. I t 14 tl 14 I , II 14 IS V 21 12 12 32

i
. 17

: II Z E! I* It Ok M
44

II 17
14

IS

L 71 le

344

>e

INI 126 li1

178

es

1 Il .2 t7 11 NI 14 73 12 14 17 72 32 M 24 T

: x 1 x s o
t > 11 El 1. 1 LS tl 11 O 13 L L 7 1 14 73 1 Z 71 1 s 77 I: O V 1.3 A O , 11 17 Il t 14 72 14 I , II Z l 21 11 14

171. 77 7164 24. 1.6 Z. s 11. .4.33.

0 42 t la

84

144 . 764 .2. .

944

US 1111 4. la t 15 Pl. L I. 1. 1. 7.. La 4. s P.

7. 3.4.

IZ n 7. 94 MS 714 PO 7I ah al Of 1 s111 90 LOS 7,3 Ol Of LZO Iffl M! Ii 212 113e I.

Z Zo

. IN 311
7.3

.
4

1 L

7,

,7

17

.71.

L.* le
. 3. 1.4 10.1 1 5.03 1.4.3 7.31 Ilo. .1464 1.73 p . ...... 7., P.. 2.3 2. 3.33

Ye .4, MS
71.1

L , 3 , S 4 t 1 t 1 L o 1 G t 1 9 I I I N 1 ,7 14 L t 5 1 1 14 71 77 .

L 1

L tI 1 17 1 1 4 H 1 O 1 1 O 1 . it A

I 1 1 I I

7, , 4 7
C7. , 7 1 1 1 3
4

lif .7 M Ma
3411

3.

I L I 1
4

32

!I Mil 4. .. 11111 '

71*

7 T 1

41 1 14 O 12 ..-

1911 477. 77. 1401 .1

Mb
411

11. IDI leh

MS

Tablo 6.5c : Gev ek muayene iin oklu numune alma plan tablos'
... .. dm
..7 S 0 C 2

,__, Sa.. laN

--7 39

,.....

[Ilet
9 1J 13

ma. ...

..... !.o
. Ile

0-433
N.Y s

39

35
..

Kat

.,---

--

il

le

489

la

MI 9 9

'

IT1

71. 9 9

11.9 9 9 939 R R.

1: 1
V

1T1 71

e. aa 9 9 9

9. 9 9. 4a 9 9 99 9

. 11

. 4]. 43 ; .13. ? .E> 0. .0 Z 3' .. ..

. .. .. B 11 5 .. .. . ..

. Q

9. 9., 796 I... 593 99.

Ol

3. 9 4 11.3 99.0 921 3. 9.3 91. 9.1 7191 993 29 . 99. 3... ,...., 9...

t 4 6 11 II 13 3 4 1 13 E 111 21 S 3 U 33 9 33 4 33
'.

Cl.. -

..-

..-

- - - -

li 113

N 3 1.

l 9 1 11 11 13 14 31 O 6 7 3
U

33 U U 1 It U 91 13 I 13 17 19 3 1 6 A

13 U It 3 371

30 11 T 31122 ., 4

13 U 3 17

1: 4 '"" 73 17 u 13 " 3 O $ 36

0.3 9...3 N 93. 3.393 9. 29 9. 93. Al 13 U 13 13 U

II

al 13 9 45 91 .11.

li 'fi 3 .I o

9 M a .

'P VI 11 IS 12 15 14 1a 73 U 3 13

7 3 9 13 Il 3 13 3 17 0. 3

,.... .
1.0
L .3.

.......o. 5.3 ---2-- M

tam. 993

13 Z-5

....0. ataa
21 40 9 Il 2 40 124 139 33 9 03 IZ
139

LJ
A 10.

1_! 11'1

.3 1

IS

Ir

150 9 9

2
k

11911

OY

KO 43

11

:1

1-71

Ar II. 20 Pe. M rs

Aa

9 Ne 3. 9 As 9 II 2 1 I 4 4 $ $ 3 3 3 S 12 6 T 3 3 4 1 3 1 5 2 5 t 3 1 4. T S 1 7 1 4 7 7 11 3 O 0 4 5 O S 11 4 1 1 4 7 S 1 T I .1 7 3 T 9 10 4 4 N I O 4 3 4 3 1 5 7 7 e 6 3 9 12 S 7 9 17 13 IS I 17 0 4 3 4 17 Il 15 Il U3 14 3 4 11 12 IS 17 22

9 19 9 9 Jr0

Ae

99 9

19e S* 19.1 N. MM 51. 5993 10.3 9.9. 1.9.2 10. P. 3. 5.99 .. S.. 3.1 F* 593 9.2 2 .2 9.6 1.3.3 93. 109 993 9.9.3

9 P E 30 23 24 9 E 3 32 3 32 32 X 50 93 93 Al

{1.

.11 1. /13 il

`3,1

193 234 Y to 19 3170 O3

F^

50 50 03 42 40 30 tl 23 9 123 123 125 US 19 175 175 21 99

X0

50

IS, 30 710

-t
ii.

Ir ji : j
3 O 3 O 1 2 3 2 3 3 3 3 2 3 3 1 3 3 5 2 3 3 4

3 9 10 4 4 3 11 Il 13 I

11 17 It

U Il IS

U 11 IT 15 14 9 17 11 73

411 180 240 320 400 410 349

abul
.

S 3

1e

5 II 7 9 9 13 U 15 13 17 15 3 17 111 3

F. *A 9.13 ro 99 5.3 0 59.1 7931

71001

12S 190
375 Sr 073 753
172 333

il

. 45
600

70.0

291 5. 9.0

20 30 2* 200

M 109 1333 1439

O O O 1

2 3 3 3 4 e 4 IS 15
I)

O O 3 1 1 a O O 1 I 2

t .2
41

tt 3 3 O 5 1 3 2 7

3 3 e 4 1 S 7 : 7 : : 12 . 3 3 10 $ U 3 T 5 11 7 U II 17 77 12 14 U 1 11 10 t l 13 77 73 4 3 5 O4 3 5 1 1 3 3 9 1 2 2 3 4 Il 2 7 3 1 S 11 IS 3 e 5 1 7 II 17 3711075149 4 30 31 11 .3 11 23

--.3-

212

Uveulama
Silahl Kuvvetlerimiz ihtiya maddelerinin kapsam ok geni olan ve sat n alma gc byk bir al c durumundad r. Kulland maddeleri ba l ca drt ana grupta toplamak mmkndr. 1. Levaz m maddeleri 2. Mhimmat ve Akaryak t 3. Ordonat malzemeleri 4. S hhi malzemeler Bunlar n iinde parti kusurlu yzdeleri nceden bilinenleri; 2, 3, 4 ve bir k s m 1'dir. Nicel ve nitel kabul rnekleri uygulanabilir. Parti kusurlu yzdesi nceden bilim muayeneler ise; Yiyecek maddeleri (taze sebze, meyvalar ile bakliyat)t r. Bu maddelerin muayeneleri iin nicel zelliklere gre kabul rneklemesi uygundur. Tablo 6.6 : parti kusurlu yzdesi nceden bilinen maddelerin muayene seviyeleri ve sat n al nma ekillerine gre gurupland r lmas .

Muayene Oli ' -f ,ymi

ekli e

5IY.1 Levaz m Za7tinya , Et veya Sebze Kenaerveleri, Kompoeto, Bemel v.b. Muz Sala, Ya , Zeytin, Bakl yaY, v.b.

MUAYKNE Ordonat Mermi, Kapsl, Yedek Para, Tfek, Motor v.b. S lblye

NORXAL Levazza

MUAYENE Ordonat S hblye

0WSEX Levaz m

MUAYENE Ordonat S hh ye

?ANS (Kalem)

3141ar

Meyveler, Imal Battaniye, edilmi P ke Kovan, v.b. Rekorun Lastik k em , v.b. Sabun,Un Ant muan, ve Mamul- Etli, teri, v.b. eker,v.b.

Ameliyat Piston, Aletleri, Silindir Snt en k rtasiye Gmle i, ve Di er v.b. Yatak, Cibazlar, Vantilav.b. tr Key ,vb. Siolm, erit, kolmn iplik, v.b. kauouk. v.b. Pamuk ve e itleri v.b.

KILO (Litre
Yaya

Ton)

Barut, l Alar Iin t , Oto ilkel Genzini, Maddeler,v.b. Y-46 Motorin,ka.an mazotu, v.b.

Jet Yak -

Para at Bezi, v.b.

Elbieelik Kuma ve Di er Ku, malar v.b.

ar af Sezleri, Nevremial k K l TelA,v.b

Ylaster, 0...11 Sesler, Amerikan Bizleri, y.b.

213

rne in, normal muayene stununda tava hesab olan battaniye, pike gibi levaz m malzemeleri ile ameliyat aletleri gibi s hhi malzemeler ve imal edilmi kovan ve rekorun lastik k sm gibi ordonat malzemeleri bulunmaktad r.

RNEK 1 :
Kabul edelimki A firmas na sipari olarak verilen tek ki ilik battaniye (levaz m malzemeleri )K.K.K. levaz m blmnce ilgili birliklere sevk edilmek zere teslim olunacakt r. Parti hacmi N=1250 tane olsun. Parti kusurlu yzdesi AQL=%1 (0.01) esas al nm t r. Tek rnekli plan ve Genel muayene dzeyi, (IL Dzey = normal ) muayene yap lacakt r. lk olarak, Tablo 6.2'den N=1250 sat r nda, GMS-Iistun mun kesi me yerindeki kod harfi (K) olarak okunur. Tablo 6.3a'dan AQL=0.01 esas al narak inceleme yap lacak numune hacmi n=125 okunur. Yani 125 battaniye partiden rasgele seilip incelenmelidir. Tablodan, n=125 sat r ve 0.01 stununun kesi me yerinde kabul=3, Red=4 okunur. Yap lacak i lem; Partiden 125 battaniye (Kusurlu-kusursuz) diye incelenir ve d: kusurlu say s saptan r. E er, d<3 ise N=1250'lik parti kabul edilebilir ve teslim okunur. d>4 ise parti red edilerek teslim al nmaz ve geri gnderilir.

RNEK 2 : N=3300 (Ameliyat Eldiveni-S hh malzeme) GMS-II, Normal muayene, Tek rnekli plan AQL=%1,5 ise; Tablo 6.2' den kod harfi :L okunur. Tablo 6.3a dan n=200, kabul=7, red=8 bulunur. E er normal muayene yerine s k muayene esas olunursa Tablo 6.3b' den kabul=5, red=6 bulunur ve d <c, d>c , d>c plan ile parti hakk nda karar verilir.

214

RNEK 3: N=20000 (Kovan-ordonat+malzemesi) GMS=II, Normal muayene, ikili plan Tablo 6.2'den kod harfi M okunur. Tablo 6.4a dan n1=200, c1=5, C2= 9 , N2=200, C1=12,C2=13 okunur. Dolay s yla, N 1=200 kovan incelendi inde, dl<5 ise parti kabul, dl>9 ise parti red, 5 <dl <9 ise n2=200 kovan daha al n r . Bu durumda ; dl+d2<12 ise parti kabul, dl+d2>12-13 ise parti red edilir. RNEK 4 : N= 20000 , AQL = %0.65 , Normal muayene, Ikili rnekleme plan sz konusu olsun. Bu amala ilk olarak Tablo 6.2'den Kod harfi M olarak okunur. Tablo 6.4a : Normal muayene iin ikili numune alma plan tablosundan n1 = 200 , n2= 200 ve bu de erlere %0.65 iin kar l k gelen ; n1 iin ; Kabul= 2 , red = 5 n2 iin ; Kabul= 6 , red = 7 de erleri okunarak plan i letilir ve sonuta bulunacak dl ve d2 kusurlu say lar na gre N=20000 'lik parti kabul veya red edilir.

SONULAR: Grld gibi nitel a rl kl sat n al mlarda kullan labilecek MIL STD-105 plan Trk Silahl Kuvvetlerinin ve bir ok "Kamu ve de zel kurulu un" yapaca bir ok al mlarda ba ar ile kullan labilir. Plan n i leme konulmas kolay olup, kullamc lann bilgi seviyesi iinde bir zorluk ta mamaktad r. Bylelikle ; MIL STD-105 plan > Sat c iin byk miktar n reddedilmesi, kk miktar n reddedilmesinden daha ciddi sorunlara yol aar ve AQL'nin de eri rnek bykl yle do ru orant l byrse byk miktarda yanl reddilmenin riskini azalt r.

215

Normalden s k lat nima, s k latmlmtan normale denetleme evirme kurallar japon kalite kontrol uzmanlar tarafndan ele tirihni tir. Japon'lar ok miktarda AQL de eri olu tururken, ok miktarda normalden s k lat nlm a veya normalden azalt lm a denetlemelerde gei lerde sorunlar kabilece ini ne srmektedirler. ** Plan uygulamalar verilen tablolann kullan myla "Ikili veya oklu" durumlar iin de uygulanabilir.

6.10.1.2 Dodge-Romig kabul rneklemesi plan sistemi

1920 y lmda H.F Dodge ve H.G Romig tarafmdan llemeyen zelliklerin kabul rneklemesinde kullan lmak zere geli tirilmi tir. Kusurlu paralar n yerine sa lamlarm n konulabildi i "imalat ve son

montaj" aamalanndaki muayenelerinde kullan l r.

(AOOL) ve (LTPD=ROL=LOL) Dodge-Romig plan sistemi kavramlanna dayan r. Haturlama LTPD : (a lot tolerance percent defective) : Bir partide al c run (consumer) kabul edebilece i en d k kalite dzeyidir. Ba ka bir tan mla ; al c tarafmdan belirlenen parti kalite dzeyidir. Bu bir rnekleme plammn PT: parti karekteristi i de ildir. Daha nceki anlat mlarda bu kavram tolerans olarak verildi. Yine bu kavram " RQL : Rejectable Quality Level ya da LQL Limiting Quality Level " olarak verilmektedir.
Yine bu plan sistemi ; reddedilen partilerin dzeltme i leminden geirilmesi, ve bu partilerin %100 muayene ile kusursuz hale getirilmesi, kabul edilen partilerin oldu u gibi gemesi esas na dayanr. Dodge-Romig rnekleme izelgeleri ; * parti kalitesinin korunmas veya * ortalama kalitenin korunmas esas na gre iki ekilde haz rlanm t r.

216

Parti kalitesinin korunmas Parti iin kabul edilebilecek kusurlu yzdesinin e itli de erleri ve bu de erlere e it kusurlu yzdesine sahip partilerin kabul olas l klar ki bilindi i gibi bu olas l klara "alimin riski" denir. Birlikte d nlerek kurulmu sistemdir. Ortalama kalitenin korunmas : Muayeneden sonra , kan partinin ortalama kusurlu yzdesi (AOQL) 'nin e itli de erleri iin haz rlanm sistemdir. Her iki sistem iin ve "tekli , ikili" rneklemelere gre haz rlanm 42 tane Dodge-Romig rnekleme tablosu vard r. Bu tablolarda kullan lan kabul edilebilir kusurlu yzdeleri ; 0.5 , 1.0 , 2.0 , 3.0 , 4.0 , 5.0 , 7.0 , 10.0 Ortalama kusurlu yzdeleri ise ; 0.1 , 0.25 , 0.50 , 0.75 , 1.0 , 1.5 , 2.0 , 2.5 , 3.0 , 4.0 , 5.0 , 7.0 , 10.0 ( 13 x 2 =26 tane) <=> 16 + 26 = 42 izelge-tablo ( 8 x 2 =16 tane)

Dodge-Romig rnekleme tablolar nn bal oldu u bir baka de er ; "Sre ortalamas = P de eridir. " Sre ortalamas , parti kusurlu yzdelerinin veya yzbirimdeki kusurlar'''. ortalama de eridir. Her tabloda 6 farkl 1; de eri kullan lm tr. P de eri artt ka kar l k gelen rnek bykl de artmaktad r. Muayeneye ba larken partinin sre ortalamas bilinmiyorsa ; kullan lan izelgelerin en sa daki kolonundaki T de eri kullan l r. Bu de er seilen tablo iin "en kt" hal'dir. Tablolar incelenirse grlr ki ; az say da birimden olu an partilerden rnek al nmamakta bunlar %100 muayeneye tabi tutulmaktad r. ZETLE ; Dodge-Romig plan sistemi AOQL ve (LTPD=RQL=LQL) kriterlerine dayanan tekli veya ikili rnekleme planlar iin haz rlanmtr.

217

Ayr ca gev ek ve s k muayeneler iin fikir vermez. Dodge-Romig tablolar 4 tak md r ; 1. 2. 3. 4. Tek rnekli RQL tablolar , ift rnekli RQL tablolar , Tek rnekli AOQL tablolar , ift rnekli AOQL tablolar .

Bu blmde dikkate al nan tablolar unlard r; 1. Tablo 6.7 : D-R Tekli Ornekleme plan 2. Tablo 6.8 : D-R Tekli rnekleme plan 3. Tablo 6.9 : D-R Tekli rnekleme plan 4. Tablo 6.10 : D-R kili rnekleme plan 5. Tablo 6.11 : D-R Tekli rnekleme plan 6. Tablo 6.12 : D-R Tekli rnekleme plan 7. Tablo 6.13 : D-R Tekli rnekleme plan 8. Tablo 6.14 : D-R kili rnekleme plan

AOQL= % 2.0 AOQL= % 2.5 AOQL= % 3.0 AOQL= % 3.0 LTPD= % 1.0 LTPD= % 2.0 LTPD= % 5.0 LTPD= % 1.0

Sre Ortalamas
O- 0.04% LTPD 0.05 -0.40% LTPD
n c

Parti Hacmi
n

0.41 -0.80% LTPD

n c

0.81-1.20% .LTPD
n e

1.21 - 1.60% LTPD

n e

1.61-2.00% LTPD
n c

%
13.6 12.4 12.2 12.3 11.8 11.9 11.9 11.9 12.0 12.0 12.0 12.0 12.0 12.0 9.3 9.3 9.3 9.3

%
-

%
-

%
-

%
-

%
-

1-15 16 -50 51-100 101-200 201 --300 301-400 401-500 501 - 600 601-800 801-1000 1001-2000 2001-3000 3001-4000 4001-5000 5001-7000 7001-10,000 10,001.-20,000 20.001-50,000 50,001-, 100.000

Ali 14 16 17 17 18 18 18 18 18 18 18 18 18 18 42 42 42 42

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 I

All 14 16 17 Il 18 18 18 40 40 41 41 42 42 42 70 70 70 95

0 0 0 0 0 0 0 0 I 1 1 1 1 1 1 2 2 2 3

All 14 16 17 17 38 39 39 40 40 65 65 65 70 95 95 95 125 160

0 0 0 0 0 1 I 1 1 1 2 2 2 2 3 3 3 4 5

All 14 16 17 37 38 39 39 65 65 65 95 95 125 125 155 190 220 290

0 0 0 0 1 1 1 1 2 2 2 3 3 4 4 5 6 7 9

All 14 16 35 37 38 60 60 65 65 95 120 155 155 185 220 290 395 505

0 0 0 1 1 1 2 2 2 2 3 4 5 5 6 7 9 12 15

Al1 14 16 35 37 60 60 60 85 90 120 180 210 245 280 350 460 720

955

0 0 0 1 1 2 2 2 3 .3 4 6 7 8 9 11 14 2i, 27

13.6 12.4 12.2 12.3 11.8 11.9 11.9 9.6 9.6 9.4 9.4 9.3 9.3 9.3 7.5 7.6 7.6 7.0

13.6 12.4 12.2 12.3 10.0 9.8 9.8 9.6 9.6 8.2 8.2 8.2 7.5 7.0 7.0 7.0 6.4 5.9

13.6 12.4 12.2 10.2 10.0 9.8 9.8 8.0 8.1 8.2 7.0 7.0 6.4 6.4 6.0 5.6 5.4 4.9

13.6 12.4 10.5 10.2 10.0 8.6 8.6 8.0 8.1 7.0 6.5 6.0 6.0 5.6 5.4 4.9 4.5 4.2

13.6 12.4 10.5 10.2 8.5 8.6 8.6 7.5 7.4 6.5 5.8 5.5 5.3 5.1 4.8 4.4 3.9 3.7-4

Sre Ortalamas Parti Hacmi

1-10 I 1 -50 51 -100 101.-200 202-300 301-400 401-500 501-600 601-800 801-1000 1001-2000 2001-3000 3001-4000 4001-5000 50i31-7000 7001-10,000 10,001-20,000 20,001-50,000 30,001-100,000

0-0.0%
LTPD

0.06 -0.5" LTPD

0.511.0, LTPD
n c

1.01-1.50% LTPD
Xne

1.51-2.00% LTPD
%ne

2.01-2.5" LTPD A11 Il 13 29 30 48 49 70 70 90 120 145 195 225 250 310 425 640 800 0 0 0 I 1 2 2 3 3 4 5 6 8 9 10 12 16 23 28 17.6 15.3 12.9 12.7 10.7 10.6 9.3 9.4 8.5 7.6 7.2 6.6 6.3 6.1 5.8 5.3 4.8 4.5
7nc

All Il 13 N 14 14 14 14 14 15 15 15 15 15 33 34 34 34 34

c
0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1

%
17.6 15.3 14.7 14.9 15.0 15.0 15.1 15.1 14.2 14.2 11.2 14.3 14.3 11.8 11.4 11.4 11.4 11.4

A II Il 13 14 14 14 14 32 32 33 33 33 33 33 55 55 55 55 80

c O 0 0 0 0 0 0 1 1 1 1 1 1 1 2 2 2 2 3

%
17.6 15.3 14.7 14.9 15.0 15.0 12.0 12.0 11.7 11.7 11.8 11.8 11.8 9.7 9.7 9.7 9.7 8.4

All Il 13 14 30 31 32 32 32 33 55 55 55 75 75 75 100 100 125

0 0 0 0 1 1 1 1 1 1 2 2 2 3 3 3 4 4 5

17.6 15.3 14.7 12.7 12.3 12.0 12.0 12.0 11.7 9.3 9.4 9.5 8.9 8.9 8.9 8.0 8.0 7.4

All II 13 29 30 31 32 50 SU 50' 75 75 100 100 125 125 150 180 235

0 O 0 I 1 1 1 2 2 2 3 3 4 4 5 5 6 7 9

-17.6 15.3 12.9 12.7 12.3 12.0 10.4 10.5 106 8.8 8.8 7.9 7,9 7.4 7.4 7.0 6.7 6.1

Al) II 13 29 30 31 49 50 50 70 95 120 125 150 175 200 260 345 435

0 O 0 1 1 1 2 2 2 3 4 5 5 6 7 8 10 13 16

17.6 15.3 12.9 12.7 12.3 10.6 10.4 10.5 9.4 8.0 7.6 7.4 7,0 6.7 6.4 6.0 5.5 5.2

Parti Hacmi

o -0.06%
Il AH 10 11 12 12 12 12 12 12 12 12 12 12 28 28 28 28 28 28 C 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 I LTPD % 19.0 18.0 17.0 17.0 17.1 17.2 17.3 17.3
17.4 n

0.07 0.60%, LTPD

e

S are Ortalamas 0.61 1.21r. 1 .21

LTPD
n e

1.80% LTPD

1.8 I -2.40% LTPD

n e

2.41 -3.00% LTPD

n c c,

%
19.0 18.0 17.0 17.0 17.1 14.1 14.2 14.2
14.2

%
19.0 18.0 17.0 14.6 14.7 14.1 14.2 14.2 11.8 11.7 11.7 10.3 10.3 10.3 10.3 9.5 8.8 8.4

%
19.0 18.0 15.1

AH 10 11 12 12 12 27
27

0 0 0 O 0 0 I 1 1
1

AN 10 11 12 26 26 27 27 27
44

0 0 0 0 1 1 1 1 1
2

Ali 10 II 25 26 26 42 42 43
44

0 0 0 1 1 1 2 2 2 2 3 3
4

-19.0 18.0 15.1 14.6 14.7 12.4 12.4 12.1 11.8 10.2 10.2 9.5 9.5 8.8 8.8 8.4 7.6 7.2

AU 10 I1 25 26 41 42 42 60 60 80 100 125 125 145 170 215 310 385

O O O 1 1 2 2 2 3 3 4 5 6 6 7 8 10
14

OZ Vi ,

O.7
.0 N 0

vi

NNN ye1 ipv,r a0

tv

14.6 12.7 12.4 12.4 10.9 11.0 9.8 9.1 8.4

s4

247, .0

27
27

17.5 17.5 17.5 13.8 13.8 13.9 13.9 13.9 13.9

28 28 28 28 45 46 46 65 65

1 1 1 1 2 2 2 3 3

13.8 13.8 13.8 13.8 11.8 11.6 11.7 10.3 10.3

45 45 65 65 65 65 85 105 125

2 2 3 3 3 3 4 5 6

65 65 85 85 105 105 125 170 215

N00

,/

er

4 5 5 6 8 10

8.4 8.1 7.6 7.2 6.5 6.2 ............

r-

NN

vi vi

ss1

17

rneklem
Sre C> s
>

Ci

9
1 1

rp
Trial
.1
,1

0.07-060% Trid 2 LTPD

5 %
11 )

/nal 1 4 1-10 Il- 50 51 Na 101-200 201-300 331-400 401-500 501-600 601-103 1001-1,000 1.001-2100 2001-3100 3,001-4,0/0 4001-5,000 5101-700 7,001-11~ 10/01-33100 20001-50103 50001-100,000 10 16 O 18 Il I0 0 0 0 0 0 0 0 0 0 0 0 0 ':0 I) 0
. . 15 .1

' 15

.5
-

.5

c)

05

.1

11

2..

9 9 10 Il 11 12 13 26 26 26 26 26 77 37 D 27 21

25 26 29 29 29 30 46 47 4 4 49 49 50 50 50 50 50

1 I I I I 1 2 2 2 2 2 2 2 2 2 2 2

19.0 164 160 155 151 152 15.0 13.0 1111 121 126 114 114 122 121 121 121 122

10 16 17 1S 21 21 21 21 21 22 25 25 26 26 27 27 2/ 31

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 O 0 O

'

9 9 10 24 25 25 25 26 26 40 45 44 44 43 43 67 34

25 26 74 45 46 46 46 47 4 65 70 10 70 70

I I 1 2 2 2 2 2 2 3 3 3 3 3 3 4 5

19.0 16.4 16.0 153 132 13.0 1311 110 12.9 126 11.4 11.0 110 11.0 11.0 110 9.7 9.0

10 16 17 21 23 24 24 24 25 77 21 29 10 30 30 31 55 60

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 '0 1 1

9 9 23 37 36 41 41 40 51 62 76 75 30 50 94 120 140

23 26 44 60 60 65 65 65 35 90 105 105 110 110 125 175 200

1 1 2 3 3 3 3 3 4

19.0 164 160 13.3 120 11.7 11.5 11.5 11.4 10.3 10.0 9.6 95 9.4 9.4 92 80

It 21 21 22 7/ 23

5 5 5 5 6 3 9

23 27 23 23 23 23

0 0 0

70 95 115

=7,

1,001-2,000 2,001-3,000 3,001-4,000 4.001- 5,00D 5.001-7000 7,001-10,030 10,001-20,000 20,001- 5110110

50,001-100,000

r:1
Ttial I
, c, n, n, .5. -

r
A.. ,, 10 17

'

...

,.

....

n, -

c,

0,

n, + n, -

c,

LTPD 7
-

51

l, -I- .,

1 - 10 11- 30 51-100

0 0 0

--

---

Ail 10 17 22 23 25 25 46 49 49 50 80 105 Il0 110 115 140 170 200

0 0 I) 0 0 0 0 1 1 1 1 2 3 3 3 3 4 5 6

---17 33 37 55 55 69 81 36 150 165 200 225 250 290 315 420 505

-... .... 2 3 3 4 4 6 7 7 10 12 14 15 16 18 20 26 30

Ali 30 17 22 24 42 46 48 50 70 100 130 155 23 270 215 315 390 445

0 0 0 0 0 I 1 1 1 2 3 4 5 7 9 9 10 13 15

,_,,, -17 33 51 63 79 97 115 130 180 260 330 390 505 680 805 940 1,105

--.-34 55 75 105 125 145 165 190 280 390 435 605 775 965 1,131 1,330 1,550

--

-
190

17

lo -soo
201-300 301-400 401-500 501-600 601-300 801-1,000

20
23 23 24 26 26 27 49 50 55 60 60 85 85 85 90

0
O 0 0 0 0 0 1 1 1 1 1 2 2 2 2

21
37 37 36 54 54 58 76 95 110 135 165 160 180 325 245

...-34 41 60 60 60 80 80 85 125 143 165 195 225 245 265 290 335

09.0 15.8 13.7 12.0 120 117 10.7 10.7 10.3 9.1 8.7 8.5 7.8 7.3 7.2 7.2 7.0 6.8

........

34
55 60 80 80 113 130 135 203 245 305 335 360 405 455 590 705

16. 0 151 12-4 12.0 10.8 10.8 9.7 94 9.2 8.0 7.6 7.0 61 66 6.5 6.3 6.0 5.1

2 3 4 6 7 8 9 10 14
19

15.8 12 1 11.1 10+ 97

3 3 3 4 4 4 6 7 Il 9 10 il 12 13 15

92
5.9
8.4

7. 5 6.9 6_5 6.0 5.7

5.1

23 27 34 41 47 56 65

5.3 5.2 5.1

Sre Ortalamas

o -- 0.0m%
Parti Hacmi
1-120 121-150
151-200 201-300 301-400 401-500

am 1 -0.10%
AOQL
n c

at I-0.20%
AOQL
n c

0.21-0.30% AOQL n All 120

140 165 175 180

0.31-0.40% AOQL
n c

0.41-0.50% AOQL
n c

AOQL

n
All 120
140 165 175 180

c
0 0
0 0 0 0

%
0 0.06
0.08 0.10 0.12 0.13

%
0 0.06
0.08 0.10 0.12 0.13

%
0 0.06
0.08 0.10 0.12 0.13

c 0 0
O 0 0 0

%
0 0.06
0.08 0.10 0.12 0.13

%
0 0.06
0.08 0.10 0.12 0.13
'

%
0 0.06
0.08 0.10 0,12

All 120
140 165 175 180

0 0
0 0 0 0

All 120
140 165 175 180

0 0
0 0 0 0

All 120
140 165 175 180

0 0
0 0 0 0

All 120
140 165 175 180

0 0
0 0 0 0

0.13 0.14
0.15

501-600 601-800
801 - 1,0(X1

190 200
205

0 0
0

0.13
0.14 0.14

190
200 205

0
0 O

0.13
0.14 0.14

190
200

0
0

0.13
0.14

190
330
"

0
1

0.13
0.15

190
330

0
1

0.13
0.15

305
330

I
I

205 360 505 510

570 655 660 785 920 1,040

0 1 2 2
2 3 3 4 5 6

0.14 0.19 0.23 0.24

024 0.27 0.28 0.31 0.34 0.36

335. 490 630 645

770 780 910 1,040 1,300 1,420

1 2 3 3
4 4 5 6 8 9

0.17 0.21 0.24 0.25

0.28 0.29 0.32 0.35 0.39 0.41

335 490 745 880

895 1,020 1,150 1,400 1,890 2,120

1 2 4 5
5 6 7 9 13 15

0.17 0.21 0.26 0.28

0.29 0.32 0.34 0.39 0.44 0.47

335 610 870 1,000

1,120 1,260 1,500 1,980 2,570 3,150
'

1 3 5
6 7 8 10 14 19 23

0.17 0.22 0.26

0.29 0.31 0.34 0.37 0.43 0.48 0.50

1,001-2,000 2,001-3,000 3,001-4,000

4,001- 5,000 5,001-.7,000 7,001-10,000 10,001-20,000 20,001-50,000 50,001-100,0410

220 220 225

225 230 230 390 390 390

0 0 0
0 O (1 1 1 1

0.15 0.15 0.15

0.16 0.16 0.16 0.21 0.21 0.21

220 375 380

380 385 520 525 530 670

0 1 1
1 1 2 2 2 3

0.15 0.20 0.20

0.20 0.21 0.25 0.26 0.26 0.29

Sre Ortalamas o l'arti I laemi

1-75 76-100 101-200 201-300 301-400 401 -500 0.02% AOQL 0.03-0.20%, AOQL 0.21- 0.40% AOQL 0.41-0.60% AOQL n All 70 85 95 160 165 c 0 0 0 0 1 1 0.61-0.80% AOQL n All 70 85 95 160 165 c 0 0 0 0 1 1 0.81-4.00%

n
All 70 85 95 100 105

c
0 0 0 0 0 0

%
0 0.16 0.25 0.26 0.28 0.28

n
A il 70 85 95 100 105

c
0 0 0 0 0 0

%
0 0.16 0.25 0.26 0.28 0.28

re
All 70 85 95 100 105

c
0 0 0 0 0 0

%
0 0.16 0.25 0.26 0.28 0.28

%
0 0.16 0.25 0.26 0.32 0.34

%
0 0.16 0.25 0.26 0.32 0.34

n Alt 70 85 95 160 165 0 0 0 0 1 1

AOQL %
0 0.16 0.25 0.26 0.32 0.34

501- 600 601-800 801-1000 1001-2000 2001-3000 3001-4000 4001-5000 5001-7000 7001-10,000 10,OOI-20,000 20,001-50,000 .50,0011100,000

105 110 115 115 115 115 195 195 195 200 200 200

0 0 0 0 0 0 1 1 t 1 1 1

0.29 0.29 0.28 0.30 0.31 0.31 0.41 0.42 0.42 0.42 0.42 0.42

105 110 115 190 190 195 260 265 265 265 335 335

0 0 0 1 1 1 2 2 2 2 3 3

0.29 0.29 0.28 0.40 0.41 0.41 0.50 0.50 0.50 0.51 0.58 0.58

175 180 185 255 260 330 335 335 395 460 520 585

1 1 1 2 2 3 3 3 4 5 6 7

0.34 0.36 0.37 0.47 0.48 0.54 0.54 0.55 0.62 0.67 0.73 0.76

175 240 245 325 380 450 455 515 520 650 710 770

1 2 3 4 5 5 6 6 8 9 10

0.34 0.40 0.42 0.50 0.58 0.63 0.63 0.69 0.69 0.77 0.81 0.84

175 240 305 380 450 510 575 640 760 885 1060 1180

1 2 3 4 5 6 7 8 10 12 15 17

0.34 0.40 0.44 0.54 0.60 0.65 0.69 0.73 0.79 0.86 0.93 0.97

235 300 305 440 565 690 750 870 1050 1230 1520 1690

2 3 3 5 7 9 10 12 15 18 23 26

0.36 0.41 0.44 0.56 0.64 0.70 0.74 0.80 0.86 0.94 1.0 1.1

Sre Ortalamas Parti Hacmi

n

o-o.os%
AOQL
c

0.06-0.50%

031 - I .00% AOQL

II G %

1.01-1.50% AOQL

1.51-2.00% AOQL
H

2.01-2.50% AOQL
tl C

AOQL
n c

%
0 0.49 0.63 0.74 0.74 0.74 095 0.98 10 10 10 1.3 13 1.3 L3 1.3 1.4 14 1.6

n
AS

c
0 0 0 O 1 2 2 3 3 4 5 6 6 7 8 8 9 10 12

D-R Tekli rneklemeplan LTPD= % 5 .0

1-30 31-50 51-100 101-200 201-300 301-400 401-500 501-600 601-800 801-1000 1001-2000 2001-3000 3001-4000 4001-5000 5001-7000 7001-10,000 10,001-20,000 201101-50,000

AH 30 37 40 43 44 45 45 45 45 45 75 75 75 75 75 75 75 75

0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1

0 0.49 0.63 0.74 0.74 0.74 035 036 0.77 0.78 0.80 1.1 1.1 11 11 IA 1A 1.1

AH 30 37 40 43 44 75 75 75 75 75 105 105 105 105 105 135 135 160

0 0 0 0 0 0 1 I I 1 1 2 2 2 2 2 3 3 4

All 30 37 40 70 70 100 100 100 105 130 135 160 160 185 185 210 235 235

0 0 0 0 1 1.49 0.63 0.74 0.92 0.99 11 1.1 L2 1.2 1.4 IA 1.5 1.5 17 1.7 1S 19 1.9

0 0.49 0A3 0.74 0.92 1A 11 1.2 1.2 IA 1.6 1.7 1.7 1S L9 19 2.0 2.1 2.2

AH 30 37 40 95 120 125 150 175 180 230 280 305 330 350 380 425 470 515

0 0 0 0 2 3 3 4 5 5 7 9 10 11 12 13 15 17 19

0 0.49 0.63 0.74 0.99 11 12 L3 IA 1.4 L7 1.9 2.0 2.0 2.2 2.2 23 2.4 2.5

AN 30 37 40 95 145 150 175 200 225 280 370 420 440 490 535 6(0 700 770

0 0 0 0 2

0 0.49 0.63 0.74 0.99 1.1 12 13 1.4 1.5 II 2.1 2.2 2.2 2.4 2.5 2.6 2.7 2.8

30 37 40 70 100 100' 125 130 155 180 210 210 235 260 260 285 305 355

1
2 2 2 2 3 3 4 4 5 5 6 7 7

4
4 5 6 1 9 13 15 16 18

20
23 27 30

50,001,100,000

11

Parti I Hacmi T'i4

1-120 121-150 151-230 201-260 261-300 301- 4C0 401-300 501-600 601-800 801-1,0130 1001-2,030 2001-3000 3001-4,000 AM 120 140 165 180 200 215 225 235 245

Qa
T
" C,

0 0 0 O O 0 0 0 0 0

0 0.06 0.08 0.10 0.10 0.12 0.14 0.15 Q16 0.17 Q 1 11 0.19 0.19

AB 120 140 165 180 2D0 215 225 233 245 265 270 275

O O O O O O 0 0 O 0 O O 0 O 0 0 O O 0

- - 75 90 100 113 125 135 155 300 305 310 315 460 465 403 605 235 290 315 340 360 380 420 570 580 56.3 390 740 745 Sl5 18.5 1 1 1 1 1 1 1 2 2 2 2 3 3 4 4

O 006 006 0.10 0.10 1112 0.14 0.13 016 0.17 0.111 0.22 0.22 023 0.23 0.26 120 0 140 0 165 Cr 180 0 2C0 0 O 215 225 235 245 265 270 273 O 0 O 75 90 100 115 123 250 0.06 0.08 0.10 0.10 0.12 0.14 0.15 0.16 0.19 0.21 025 0.25 028 0.29 0.30 0.33 0.36 0.38

261 0 270 . 0 275 0 0 O 0

0 223 0 420 435 0

275 4,001-3000 275 5001-7000 7001-10.023 200

0.19 275 020 275 0.24 280 280 025 1 280 025 1-280

0 563 275 0 5110 275 280 0 590 450 430 430 t 1 1 700 830 960

0 10,001-200.00 280 4001-300.00 280 0 0 50,031-100.000 280

an
0.30 030

O O 0 0 255 290 315 340 463 495 610 815 .060 ,ICO ,230 .30 6 7 10 12 14 0.30 0.33 0.35 0.39 0.42 0.44

O 120 140 165 180 200 215 225 235 245 265 430 580 585 730 870

0 0

O 006 008 0.10 75 90 100 205 230 730 515 830 940 1,075 1,190 1.540 1990 2,600 3,280 233 290 315 430 465 495 780 1260 1,520 1,660 1,920 0.410 3,140 3,880 4.690 0.10 0.12 Q14 0.16 0.12 C /9 024 0.30 033 035 0.38 0.41 0.44 0.52 0.55

ao
261-300 301-400 401-500 501-600 601 -8C0 801 -1,0163 1,001-2,000 2,001-3,000 3001 - 4.0(10 4.001-5000 3001 -70.00 7,031-10,003 0,C01-20,000 11,C01 -50,000 0001- 100,C00 225 233 245 265 270 435 440 445 450 605 605 605

20

0 0 0
0

75 90 103 115 230 230 513 620 $65 1,000 990 1240 235 290 315 340 465 493 780 1,050 1,2011 1,440 1,510 1840 2.730 2,730 2,970

1 1 1 2 2 4 6 I 9 10 12 13 19 21

0.10 0.10 0.12 0.14 0.15 0.16 0.19 0.24 022 030 033 036 039

0 0
0 0 D

at

O 0 0 225 235 245 265 430 435 440 590 600 745 O O 0

0
0 0

2 2 3 4

2 2

o..43
0.47 0.49

226

rnek 5 : Tekli rnekleme plan uygulans n. Parti bykl N= 1500 ,LTPD= %5.0 , 100 P = %2.0 olsun. Tablo 6.13' den plan iin ; n=230 , c=7 , AOQL= %1 .7 okunur. Yorum : N=1500 'lik partiden plan gere i n=230 birim denetlenecek ve kusurlu say s d (c=7) ise parti kabul edilecektir. Bu i lem sonunda ortalama k kalitesi s nr ( AOQL) = % 1.7 olacakt r. rnek 6 : ikili rnekleme plan uygulans n. Parti bykl N= 1200 ,AOQL= %3.0 , 100 P = %0.30 olsun. Tablo 6.10' den plan iin ; ( n1-22 , c1=0 ) , n2=2 , c2=2) okunur , LTPD%12.6 olacakt r.

227

7. BLM GVEN L RL K ANAL Z 7.1 Giri

Gvenilirlik analizi, son y llarda teknolojik geli melere paralel olarak byk nem kazanm t r Ayn ekilde t bbi al malarda da "ya am analizi" olarak bilinen istatisti in bu alan gnmzde artarak nemini korumaktad r. Endstride bir rnn gvenilirli i, rn tasanm nn bir fonksiyonu olarak d nlebilir. Di er bir ifadeyle, bir rnn gvenilirli i, sz konusu rnn kalite zelli i olarak gz nnde bulundurulmal d r. Gvenilirlik, rnn tasar m nda ilgili elemanlar taraf ndan gz nnde bulundurulan parametrelerden en nemlisidir. Gvenilirlik analizinin uygulanmas sonucunda daha gvenilir bir rn tasar m elde edilebilir. E er bir rnn tasar m s ras nda gvenilirlik dzeyi dikkate al nmam sa bunu imalat s ras nda geli ti nek iin herhangi bir nlem almak mmkn de ildir. Gvenilirlik analizinde en nemli de i ken zamand r (saat, gn, ay, y l ... vb. gibi). Gvenilirli i etkileyen birok faktr vard r. rne in, rn dizayn , imalat hatalar ve evre artlanndaki de i meler vb. gibi bir ok a klanan ve a klanamayan de i ken vard r. Burada sadece temel de i ken olarak bilinen zaman de i keni zerinde durulacakt r.

228

Gvenilirlik teorisi yntemleri, zellikle ba lang ta uzay programlar nda olduka yayg n biimde kullan lm t r. Bunun yan nda askerlikle ilgili hizmetlerde de gvenilirlik analizi, byk nem kazanm , gerek tasar m teknikleri ve gerekse matematiksel modellerin geli tirilmesinde askerlikle ilgili al malar temel etken olmu tur. Bu blmn plan syle verilebilir, Gvenilirli in tan m ve zellikleri alt blm 7.2 ile verilecektir. Zaman de i keninin nemli fonksiyonlar alt blm 7.3'de verilecektir. nemli fonksiyonlarm parametrik olmayan tahminleri alt blm 7.4'n konusunu olu turmaktad r. Alt blm 7.5'de, nemli fonksiyonlarm tahmin edilmesinde parametrik olmayan tahminlerin parametrik tahminlere stnl olmas na kar n gelece e ynelik gvenilirlik olas l klar mn tespitinde yetersiz kalmalar nedeniyle uygulamalarda en ok kullan lan stel da l m parametrik analiz olarak verilecektir. Parametrik analizlerle, daha ileri analizlerle gvenilirli i etkileyen faktrleri (rne in, bozulma orant l regresyon yada Cox regresyon) ortaya karmak mmkndr. Bu son sz edilen konu olduka geni oldu u iin burada verilmeyecektir. Blm, konunun daha iyi anla lmas d ncesiyle bir ka problemle desteklenecek ve alt blm 7.6 ile sistemleri gvenirli i , alt blm 7.7 ile seri ve paralel sistemlerde gvenilirlik kavramlar i lenecektir.

229

7.2 Tan m ve zellikleri

Gerek hayatta kesinlik sz konusu olmad ndan, retilen bir rnn veya e itli riskler alt nda ya ayan bir canl n n rnrn belirleyen sre ile beraber bu sre iinde anza yapmadan (hastalanmadan yada sylemesi ac , lmeden ) al ma olas l da gz nnde bulundurulmal d r. Gvenilirlik ( Reliability - ing) , bir sistemin yada aletin belirlenen kullan m artlan alt nda, belli bir sre iin hi anza yapmadan i levlerini yerine getirmesi olas l n ifade eder. Bu tan ma gre gvenilirlik, drt nemli faktrden meydana gelir. Bunlar s ras yla, kullan m artlan, zaman, ar za yapmadan al mas ve gvenilirli in olas l k cinsinden ifadesidir. te bu drt faktrn her birinin sistemin gvenilirli i zerinde bir tak m etkileri vard r. Bunlardan ilki ; kullan m artlar , sistemin i levini yerine getirebilmesi iin hangi artlarda kullan lmas gerekti ini belirler, rnek vermek gerekirse sistemin kullan laca co rafi blge, s , nem vb. gibi artlar sistemin mrnn k salmas na yada uzamas na neden olabilir. kinci nemli faktr , zamand r. Zaman, sistemin hi ar zalanmadan, kendinden beklenen i levi ne kadar sre ile yapt n belirtir. Aynca gvenilirlik o unlukla MTBF: arzalar aras

ortalama sre cinsinden de ifade edilir. Di er nemli nokta ise sistemin ar za

yapmadan al mas d r. Bu ise sistemin fonksiyonlar n belirlenen ve kendinden beklenen ekilde yerine getirmesi anlam na gelir. Nihayet son nemli faktr, gvenilirli in olas l k cinsinden ifade edilmesidir.

230

7.3 nemli Fonksiyonlar ve Birbirleriyle ili kileri

Gvenilirlik analizinde, nemli fonksiyon vard r. Bunlar, *gvenilirlik fonksiyonu, *anza yada bozulma oran ve *birikimli (kmlatif) bozulma oran olarak bilinir.
t

Gvenilirlik fonksiyonu, bir sistemin en az

zaman na kadar

anzalanmadan al mas olas l n ifade eder ve R(t) = 1 F(t) ile gsterilir. Ar za oran ise gzlemin birim zamandaki anzalanma riski anlam na gelir ve h(t) ile gsterilir. Bu anzalanma oranlar genelde drt farkl yap da ortaya kar. Bunlar, sabit, azalan, artan ve bunlar n bir veya birka n n kar mndan meydana gelir. Birikimli arzalanma oran ise bize birim zamana kadar ar zalanma oranlar n n durumu hakk nda bilgi verir ve H(t) ile gsterilir. Yani, bir nceki zamandan bir sonraki zamana gei te riskte azal m , art m yoksa dura anl k olup olmad hakk nda bir fikir verir. Bu fonksiyon aras ndaki ili kileri matematik olarak yle verebiliriz. Ar zalanma oran , h(t) olduuna gre anzalanma oranlar n n birikimlisi e er de i ken kesikli ise H(t).-- Kmlatifh(t) , srekli ise H(t) = th(t)dt e itlikleri ile verilir. Bylece gvenilirlik fonksiyonu ise R(t) =
( t ) e itli i

ile verilebilir. Yada tersine H(t), H(t) = ln R(t) ve h(t) = c71(t)I a e itlik

231

ili kileri yaz labilir. Takipteki alt blmde bu nemli fonksiyonun parametrik olmayan tahmini mekleriyle verilecektir.

7.4 Fonksiyonlar n Parametrik Olmayan Tahmini

Gvenilirlik analizinde temel de i kenin zaman oldu unu sylemi tik. Bir di er nemli problem ise gzlem de erlerine ait bu zaman n sansrl olu udur. Yani, belli bir rne ait belli say da gzlem de erini incelemeye ald m zda ara t rma bitiminde baz gzlem de erlerine ait bu bilgiler kay p olabilir, halen ar zalanmadan sa lam olabilir ve saire. Bu tr veriler ise sansrl veri ad n al r. Zaten gvenilirlik analizini di er istatistiksel alanlardan ay ran en nemli unsur, analize tabi tutulan de i kenin genellikle sansrl veri iermesidir. Gvenilirlik analizinde alt blm 7.3'de sz edilen nemli fonksiyonun parametrik olmayan tahmini iin bir ok yntem ve ayarlanm yntemler geli tirilmi tir. rne in, bunlardan nemlileri; Kaplan-Meier, Nelson-Aalen ve Fleming-Harrington yntemleri verilebilir. Bu blmde , sadece Nelson-Aalen tipi tahmin yntemi verilecektir. Madem ki ar zalanma sreleri sansrl gzlem iermekte yle ise bir al ma sonucunda takipteki veri ile kar kar yay z demektir. imdi, T, , T2 ,A , Tc] , e er gzlenen sre sansrsz ise
t' ={ C1 , C'2 ,A , C, , e er gzlenen sre sansrl ise

232

d adet sansrsz ve c adet de sansrl olmak zere toplam, n= d + c adet

gzleme ait dayanma zaman verisine sahip olal m. Bu gzlenen n dayanma sresine ili kin nemli fonksiyonlar hesaplamadan nce gzlem de erleri kkten by e do ru s ralanarak takipteki gibi bir tablo dzenlenir. t, zaman nda ar za oran n n Nelson-Aalen tahmini, h(t )=1./n, e itli i ile verilir. t zamamna kadar birikimli ar za oran n n Nelson-Aalen tahmini ise

H(t .) = BirikimliE d, h(t,)

cij Inj

e itli i ile hesaplarur --H(t) =e

-Birikimli d )

Nihayet gvenilirlik fonksiyonunu ise R(t 1 ) = e yard myla kolayca hesaplanabilir.

in,

e itli i

Tablo-1 Gvenilirlik Analizinde Elde Edilen Dayanma srelerinin Genel Grnm.

i
1 2 N k ti
t2

d d
d2

cJ c,
C2

ni n n(di+ci)
Iv

Iv dk

Iv

ck

d k1 J.1( i +c) i

imdi de bu fonksiyonun tahrninini bir rakamsal rnek zerinde grmeye al al m.

233

rnek 1: Bir fabrikada retilen ampullerin dayanma srelerini kontrol etmek

-

amac yla 25 tanesi tesadfen seilmi ve takipteki gzlem de erleri elde edilmi tir. t, , ampullerin dayanma sreleri (y l): 1, 2, 3, 3, 4, 5, 6, 6+, 7, 8, 10, 10+, 12, 12, 12+, 13, 14, 14, 14, 15, 15, 16, 16, 19+, 22+. Bu verilerde sansrl verilerin sa na + i reti konulmu tur. Bu veriye ili kin

h(t) , H(t) ve S(t) fonksiyonlann n Nelson-Aalen tahminini elde ediniz.

zm-1: Veriyi, Tablo-l'deki ekilde dzenlersek Tablo-2'deki durum ortaya kar. Tablo-2 rnek-Vdeki Veriler in nemli Fonksi onlar n Parametrik Olmayan (Nelson-Aalenl Tahmini.
1 1 ti 1 di 1 CJ nI h(t j ) 11(t j ) R(t j )

2 3 4 5 6 7 8 9 10 11 12 13 14

2 3 4 5 6 7 8 10 12 13 14 15 16

1 2 1 1 1 1 1 1 2 1 3 2

0 0 0 0 0 1 0 0 1 1 0 0 0 0

25 24 23 21 20 19 17 16 15 13 10 9 6 4

0.040 0.042 0.043 0.048 0.050 0.053 0.059 0.063 0.067 0.077 0.100 0.111 0.167 0.250

0.040 0.082 0.169 0.216 0.266 0.319 0.378 0.440 0.507 0.661 0.761 1.094 1.427 1.927

0.961 0.922 0.845 0.806 0.766 0.727 0.685 0.644 0.602 0.516 0.467 0.335 0.240 0.146

Kendisinden sonra sansrsz gzlem de eri olmayan verilerden sonra fonksiyonlar n de eri de i meyece i iin hesaplama yap lmaz. rne in, bu

234

rnekte 19 ve 22 gzlem de erleri sansrl ve kendilerinden sonra sansrsz bir de er olmad iin fonksiyonlar hesaplanmam t r. nk bu gzlem de erlerinin fonksiyonlar n n de erleri de i mez. Bu mekte, gvenilirlik fonksiyonundan dayanma srelerinin ortancas n n R(t) = 0.5 olas l k de erine kar l k gelmesi sebebiyle yakla k olarak 12 y l oldu u sylenebilir. dev-1: Bir radar sistemindeki iki ar za aras nda geen srenin tespiti amac yla yap lan bir ayl k al mada takipteki ar zalanma sreleri elde edilmi tir. t, , ar za sresi (saat): 15, 28, 30, 50, 144, 157, 163, 219, 222, 224+, 265, 317, 532, 575, 718. Bu verilerde sansrl verilerin sa na + i reti konulmu tur. Bu veriye ili kin;

a. S(t) fonksiyonunun Nelson-Aalen tahminini olu turunuz. b. S(t) 'den yararlanarak yakla k ortanca ar zalanma sresini bulunuz.
c. Ar za sresi 222 saat ise ar za oran n tahmin ediniz. Cevap-1: a. verilebilir. 15 28 30 50 144 157 163 219 222 265 317 575 718

S(t)

fonksiyonunun Nelson-Aalen tahmini takipteki gibi

R(t i )

.936 .871 .807 .736 .672 .608 .544 .480 .417 .341 .266 .161 .059

b. Ortanca ar zalanma sresi, 163 ila 219 aras nda bir de erdir. Bu de er yakla k olarak 200 saattir. c. h(t = 222) .1/7 = 0.143 elde edilir:

235

Gvenilirlikte ste' DaMun

Dayanma (yada ar zalanma) srelerinin analizinde parametrik olmayan tahminler yeterli oldu u halde ileriye ynelik tahminlerin elde edilmesinde yetersiz kalmaktad r. rne in, ara trma iinde yer almayan bir srenin gvenilirli inin tahmini veya bu al mada verilmedi, ancak var olan bir gerek regresyon analizi gibi al malar iin yeterli olamamaktad r. te bylesi sebeplerden dolay dr ki parametrik yntemler, o u kez daha etkin ve tercih edilen tahminler verirler. Gvenilirlik analizinde s k uygulama imkan bulan en nemli da lm, stel dal md r. Bu da l m bozulma oramm sabit (de i mez) kabul eder. stel da l mn g ailesi olarak bilinen Weibull da l m ise bozulma oran mn geni bir ailesine sahiptir. Yani, hem azalan, hem artan ve hem de sabit ar za oranlar na sahiptir. Pareto da l m ise azalan bozulma oran gsteren ve ekonomistler iin uygun bir da l mdr. Ancak ne var ki bu al mada srenin k sa olmas sebebiyle sadece stel da l mdan rnekler verilerek yetinilecektir. Bozulma srelerinin analiziyle ilgili en nemli da l mlardan biri olan stel da l m, sabit bozulma oran na sahiptir ve h(t) = 2 e itli i ile verilir. Bu e itlikte 2 , aritmetik ortalaman n tersidir. Yani, 2 = lir ile a klanabilir. Bu son e itlikte T =

d lEn t, 'diz. T , ortalama ar zalanma sresi,

d , toplam

sansrsz gzlem say s ve srelerinin toplam d r.

t, ise sansrl ve sansrsz ar zalanma

236

ntegrallenmi (kmlatif) ar za oran ise zaman n lineer bir fonksiyonu olarak verilir. Yani; H(t) = Flds = Al e itli i ile tan mlan r. Bylece gvenilirlik fonksiyonu ise R(t) = e e itli i ile verilir. Bu da l m n beklenen de erinin

(yani, ortalama), E(T) = T = 1/.1, ve varyans n n ise V(T) = 1/22 oldu u sylenir. rnek-2: rnek-l'deki gzlem de erlerinin stel da l ml olduu biliniyor. a. Ortalama dayanma sresini bulunuz. b. Gvenilirlik fonksiyonunu olu turunuz. c. Dayanma sresi 25 y l olarak gzlenmi bir ampuln gvenilirlik olas l n bulunuz. zm-2: a. Gzlem de erlerinin toplam , E

= 259 ve sansrsz gzlem

say s , d = 20 oldu una gre ortalama dayanma sresi, T = 259/20 =12.95 y l. Olarak bulunur. b. 2 = 1/T 'den .13 = 1/12.95 -2,-- 0.07722 elde edilir. O halde, gvenilirlik fonksiyonunu

R(t) =
eklinde olu turabiliriz.

e -0.07722t , t > O
O, di er durumlarda

c. t = 25 y l ise R(t) = e-0 07722/ .= e-0 07722(25)

=-

0.145 = %14.5 bulunur.

237

Konu ile ilgili Problemler Problem 1: Elektronik bir sisteme ait mr uzunlu unun stel da l ma
-

uyduu bilinmektedir. Bu sistemin gvenilirli inin 200 saatlik bir al ma iin 0.90 oldu u bilindi ine gre; a. 0.95'lik bir gvenilirlik iin ka saatlik bir al ma gz nne al nmal d r. b. Sistemin ortalama mrn bulunuz. c. Dayanma oran n hesaplay n z.

Cevaplar 1: a. %95'lik bir gvenilirlik sa layan sre, 97.37 saattir. b.

-

Ortalama mr, 1898.24 saattir. c. h(t)

-

0.0005268 bulunur.

Problem 2: Bir sistemin iki ar za aras nda geen sreler saat olarak takipteki gibi gzlenmi tir. t, (saat): 100, 182, 205, 272, 275, 315, 386, 470, 510, 555, 641, 681, 1053+, 1112, 1328, 1518, 2002, 2419, 2475+, 2617. Bu verilerde sansrl verilerin sa na + i reti konulmu tur. Bu veriye kullanarak; a. Ar za srelerinin Nelson-Aalen gvenilirlik fonksiyonunu tahminini elde ediniz. b. Gvenilirlik fonksiyonunun Nelson-Aalen ortanca ar za sresini tahmin ediniz. c. Anzalanma sresi, 1112 iken ar za oran nedir. d. Ar zalanma srelerinin stel da l ma uydu u varsay l rsa ortalama anzalanma sresini bulunuz. e. d.'deki varsay mn geerlili i alt nda anzalanma sresi 1500 saat iken gvenilirlik olas l n bulunuz. tahmininden yararlanarak

238

f. d.'deki varsay m n geerlili i alt nda %20 gven veren anzalanma sresini bulunuz. Cevaplar-2: a. S(t) fonksiyonunun Nelson-Aalen tahmini takipteki gibidir.

tJ
"t j )

100 0.951 555 0.512

182 0.902 641 0.464

205 0.854 681 0.415

272 0.805 1112 0.360

275 0.756 1328 0.304

315 0.707 1518 0.249

386 0.659 2002 0.194

470 0.610 2419 0.139

510 0.561 2617 0.051

tJ
"1 j )

b. Ar zalanma srelerinin ortancas , yakla k olarak 576.5 saattir.

c. h(t = 1112) = 1/7

0.143. e. R(t = 1500) a- 0.244 ve

d. T =E,21sli t, 118= 1062 saat.

f. 1709.22 saat.

239

8. BLM SPSS PAKET PRO RAMI LE KAL TE KONTROL UYGULAMALARI 8.1 Giri
Kalite kontrol i lemleri ; eldeki mevcut software pro ramlanndan faydalanarak daha h zl ve kolay bir ekilde yap labilir. Bu software'lerden bir tanesi de ok kapsaml olarak kullan labilen o unlukla istatistiksel i lemlerin yap ld , bunun yan nda "kalite kontrol uygulamalannda da ba vurulabilen

SPSS paket pro ram 'dr.

Ancak, SPSS program ile ilk defa kar la anlar, program ile ilgileri ve bilgileri yetersiz olanlar ve de daha yeni bilgilere de sahip olmak isteyenler bu program ile "ba lang giri " bilgilerini gzden geirmelidir.

8.2 SPSS'e giri

Bu pro ram lisansl bir pro ram olup, windows alt nda al maktad r. Halen piyasada e itli srmleri mevcut olup temelde birbirlerinin tamamlay c s d rlar. Bu a klamalarda (srm 6.0- 9.0) temel al nm t r. SPSS ile al acaklar n mutlaka "istatistik temel bilgilerine" sahip olmas beklenir. Dil'i ingilizcedir. Burada giri bilgiler iin ok fazla detaya inilmeden a klamalar verilecektir.

MENU'ler SPSS'i al t rd ktan sonra men seimleriyle istenilen i lerin o unu yapabiliriz. SPSS'in pencereleri ayn zamanda bir men olarak ifade edilebilir. SPSS pencerelerinin herbirinin ayr ayr komutlan vard r. Program ilk a ld nda a a daki ekil 8.1 ekrana gelir. Ekran n en stnde yer alan bu komutlar k saca a a daki gibi verilmi tir.

240

Urartled - SPSS for W ndows Data E d tor

Vit Y**

para

Doniker> $nokee

Sion>e Urirst

~ow Neb

Ci;1[14:41I_LI >

11 . 1
Va(

"I&I 10R1 s'1 (4h1'

va var
Var Ver 1,31' Val

SP S4NVInclosiis Pooc esor ialeacto 13"Sat1

gy l f c osafttdad

it& ntitled -'SPSS ta W

ekil 8.1 SPSS ekran

1:22

1. Data Editr mens :

File : Data editr'n iindekileri yazmak ve di er yaz l m programlar ile haz rlanm database veya spread dosyalar n okumak, veri dosyalar n saklamak ve amak iin kullaml r. Edit : Daha nce yaz lm bir veri de erini de i tirmek, veri de erini bulmak, ba ka bir yere yap t rmak, kopyalamak veya silmek iin kullan l r. View :Veri de erlerini ve veri etiketlerini gstermek iin grid izgilerini amak ve kapatmak iin status bar, t000lbars amak iin kullan l r.

241

Data : De i kenleri tan mlamak, dosyaya de i ken ve veri eklemek, verileri s raya koymak, birle tirmek, dosyan n bir k sm zerinde al mak iin kullan l r. Transform : Veri dosyas mn ana yap s n de i tirmeden veri de erleri zerinde ihtiya duyulan baz dnmleri yapmak iin kullan l r. Analyse veya Statistics : istenilen her trl istatistiksel i lem ve analizleri yapmak iin kullan l r. eri inde bir ok istatistiksel analiz vard r. Ba ta veri giri i yap lmadan al tmlamaz. Graphs: Gsterim amal yksek znrlld grafik olu turmak iin kullan l r. eri inde bir ok istatistik sunum amal grafik vard r. Utilities : SPSS komut diliyle program yazaca m veya analiz kt larim alabilece imiz ekran n grnm , veri i leme penceresinin grnm, yaz biim ve byklklerinin seimi , veri dosyas ierisinde de i iklikler yapmaya yarar. Window : A k olan tm SPSS pencerelerini kltmek veya SPSS pencereleri aras ndaki geisi sa lamak iin kullan l r. Help : Bilmek istedi imiz konu/lar hakk nda bilgi-rnek verir. Yard m amal kullan l r.
2. Veri haz rlamak

SPSS al t nda ekil 8.1'deki ekran grntye gelir. Bu amala File>New>Data ile kullanlacak analize ba l veri giri i buradan yap lmal d r. lk olarak ekranda stn ba l klannda yer alan VAR zerine ift t k yap larak giri i yap lacak de i ken tanmlanmal dr. Daha sonra a a daki ekil 8.2 ile veri giri i yap lm ekran grlebilir. Burada al mada ele al nan nicel, nitel de i ken verilen grlecektir.

242
'-Ca s SPS S Im W ndows Dat ?. [dile,

PITJEI

ge. La yiew zw,le Dane= Analyse: ,arephs Manas 116)74 tildp

' 1111gj 1 :-:j j [ ...1 .

1:mpg mpg engin

irri iiiI .F*1[011R1141 '

,. welght
3504 3693 3436 3433 3449 4341 4354 4312 4425 3350 3090 4142 4034 4166 ,rzgn 9 10 9 18 12 11 11
acar] yaar t1/1
1

bar

Inter_$

ver

18 15 13 16

307 350 318 304 302 429 454 440 455 390 133 350 351

1313 165 150 150 140 198 220 215 225 190 115 165 153 175

12 12 11 12 11 10

70 70 70 70 70 70 70 70 70 70 70 70 70

e a 8 8
8 O O

1 1 1
1

0
0

5 6 B.
S'
18 11.

17 15 14 14 14 15

8
8 8 8 8 4 8 8 8

0
L

0 0 0 0 1 O 0 0
si

1
2

12 13 14

1
1

383
.

70
7n

4r,r1

17

:- r5PS$ fx VirdawsProcespx isleady eirtAieroseft4.45

r"
;

11

Lar: - SPSS ter Wind...

_ alLrgi

. .1[1,1:0,r 13,15

ekil 8.2 Giri i yap lm de i ken verileri

ekil 8.3 ile de i ken tan mlamas yap labilir.(Define variable).Burada yer alan 4 tane alt kutucuk zerinde al l r. Bunlar ; Type , Labels , Missing Values, Column Format 'd r. Bu kutucuklar n iinde al larak giri i yap lacak de i ken/ler ile ilgili tan mlamalar/ makyajlar yap l r.

243

rapg

gine
307 350 318 304

D ehneyariable

ame

Vedidale Descv,ton T Numeric4.0 Variable tabe1 Mies >er Gak n

"..Missing Values None

Change 454 440

SettIngs
Type

1 1

Missing Values_1 Coknn Eorrnat..

220
215 tabak

390

190

<;". s

Qrdrrk:i

,Nofrir,9

13

351

PSS for Windows Processor is ready

ekil 8.3 De i ken tan mlamak rne in Type t kland nda kar m za ekil 8.4 gelecektir. Burada Width otomatik olarak 8 , Decimal Places 2 olarak a l r. E er de i ken de erleri tam say ise 2 yerine 0 yaz hr. E er yaz lmazsa 54 olarak girilen say 54.00 grnts olu ur. E er 0 yaz l rsa 54 grnts olu ur. Ayr ca de i ken iin Numeric cinsten oldu u da otomatik olarak belirtilir. E er aksi bir tan mlama sz konusu olacaksa burada de i tirme yap l r. Ayr ca de i kenin lek tr : Scale , ordinal (s ralama tipi) , nominal (s n flama tipi) olarak belirtilir ve Continue ile devam edilir.

244

most Wercd
1205Y'.a Cken ~sa Ode @gir$ra'slai Ieblo

Cencere Yardsn

JCIC:;;Li:al21
GPvcie Metn Trnes New Roman
s

41W
12

r3M9'41
it ii j

MIT 75 %
4,S -.

ic

;,,

D atire -e Va abk

yariable Name: Impg

--Vmable De~:Dn Type: Nurnenc4 O Vaiabie Lebel 1.1in ter Gakr s 1.4.-sig1 Dei n Var able T ype npg N zymic

Ccoma
pot

w
DecindE5,..

_osefitfic notat -;2 ,

Dgle DoIler 0,tstom c~ Str ng

orne ir, Lw t

zc V OtonAnd , 5e44

Ej" O fM

4A-

- A L 4.-

ii 4 --

S&Ife 243 K l 1

SfS

ei 16cm Sat 6 SCt 61 E-Jean - SPSS tor 1a27

418411liat Ig? kIhrosott Wetd

ekil 8.4 Type tan mlanmas Define Variable > Labels : Girilen de i kenin ayr nt l etiket tammlamas m yapar. rne in 2. Stnda girilen de i kenin k sa etiketi Engine ise burada Value Label k sm na : "arabalar n motor hacmi cc " olarak a k hali yaz hr ve Continue ile devam edilir. ( ekil 8.5 )

245
Lesy. - OCrZen

,Knrn

e00 .

leb}0 eencere Yerdm

Gvde.. Tunes New Roman

</1
12

z
D
Ime V

De hne Labels

<xcetad<da' 7, '

49 - c

:3iti7;447.53t 5
13ytcw,3cItv;f0,4:"abbi...:; MUntitled - SPSS ta Vi._

ekil 8.5 Value Labels (etiketleme) Art k OK t kland nda VAR kelimesi(stun ba l ) tan mlanan de i kenin k salt lm ad m alacakt r. rne in 1. Stunda mpg , 2. Stunda engine gibi. Bundan sonra yap lacak i lem verilerin stun olarak girilmesidir.( n tane veri) olarak. verilerin saklanmas d r. Bu da File Veriler girildikten sonraki i lem zerinden yap lacaktr. ( ekil 8.6)

246

't1Stn t e ly 2 SPS S I r Windows Data E d l:

e Fj... c jj k Ve 1 ,9 Q ata Tsansfonss 6rsaiyze rapha kiblitiss S!trldo n Hdp

Btv Lie., ver Vet Daterhwe Capt re =e re-td Data

2,, ae.m.

011443

1>

t? 1 iSS

'MM El4p1 ,', 40.1 ,

trial2
i

Dist:Jay Data Info... Apply Data Qictionaly... iki t.

12
Ctri.P

1 Anxieky 2 sav

2 Car..s.e.,
3 kr...,-,,c
Empioyee data_ sav 5 ktsins,av ktairni .sav
--1 ; ,r2

SPSS faW

ktd4a sav

otowtk ekl- \

2yoereme. e". gTomato.vw

ekil 8.6 Verilerin saklanmas Bu i lem iin e er ilk defa saklanacaksa (C: veya a: ) zerine = Save As ile yap l r. E er daha nce zerinde al lm bir dosyaya saklanacak sa Save ile saklan r. Saklama kelimesinin uzant s (*.sav) olmal d r. rne in: Engine verilerini ilk defa saklayacaksak ( bilimsel.sav) yaz labilir. ( ekil 8.7)

247
j Ar~ 2 SF tor 'Windows pato.
.

8neksk* aTaPht kt~s Window

Itoydetme'yeii1 t Sps s
4.crobat Looks Odbc Scripts S &de tez

LJ1F5 ,0_1
AML s mrival.sav Anziety 2.sav

Mala
12

Anziety.sav
Breast cemre survivaLsay Cars.say Cononary artery data say

8
6 10

erdc

sze,1 1 S PSS

bu

say)
a

pate
8 4 16 12 16 14 12 6 10 10 2 8 9 8

10 11 12

2 2 2

2 2 2

19 16 16

ekil 8.7 Bilimsel.sav (Save As) ile saklanmas

Art k istatistiksel analizlere , grafik izimlerine geilebilir. uras unutulmamal d r ki ; i in ba nda hangi tr istatistiksel analiz veya grafik izece imizi bilmeliyiz ve buna gre veriyi girmeliyiz. E er bu hususa dikkat etmez isek analiz / grafik izilemez.

3. Baz veri dn m komut ve i lemleri ( Transform ) mens

SPSS dosyas na istatistiksel analiz yapmak iin veriler zerinde dn m, yeniden kodlama ve yeni hesaplamalar yapt rmak gerekebilir. Bunlar Transform mens iindedir. ( ekil 8.8) Compute komutu : Mevcut de i ken de erleri zerinden bir veya birden fazla yeni de i ken de erlerinin hesaplanmas nda kullan l r.

248
Aniclety 2 - SKS foiWincloWs Data E d ro

fie

Vtw Qata

9nsbes

teebt Utite4 dee+ lide

1 kile511Zi
1:sub ect subject

Refflum 0k9Cetleed.

.211RI's,1%,11
triaI2 18 19 14 16 14 12 10 12 B 10 10 10 6 6 12 6 4 2 4 2 v-ar

gecede CetegotkeVafiablec.. utornatic Reccele-. Deate rime Seees.' Replece kfesi g Yakma..

ialt

2
3

2 3 4

5 6

5 6 7 2 2 2 2 2 12

2 2

12 18 16 18 16

6
4 6 10 10

e
9

8 9 10

8
12 16 14 12

10
11 12 3

2 2

19 16 16

8
9

Baltat

ISP9.5 tut Wnbto Processor ts feecIV h osoft Word - 9.boisns.. IIMAnsiely 2 - SPSS for

EDE -mos

ekil 8.8 Transform mens Count komutu : Belirli bir de eri olan de i kenleri say p yeni stuna yazd rmak iin kullan l r. Recode komutu : Dosyadaki baz de i kenleri yeniden kodlamak iin kullan l r. E er kodlamay ayn de i ken stununda baz de erleri yenileriyle de i ti nek eklinde yapacaksak Into Same Variable seene iyle , ayr bir stuna yeni bir de i ken olarak kaydedeceksek Into Different Variable seene i seilecektir.

249

8.3 istatistik Uygulamalar

Uygulamalar Statistic veya analyze mens ile yap l r. ( ekil 8.9)
mAnx ety 2 - SPSS lo W ndows Data E d to

Ek Ek k+ 2'314

c4.1wIa1 r_z_j
subject

4:41s, 11~ Vfndow

t
auxisty 1 1

1:sub'ect

Ogscik liveStatedx:s , Lorr9.4te/A,eans mprelli et Model 'ani!lat" -

RA zot
P 14 12

fiataflecksetion 3 4 3 4 5 6 1 1

sciie

10 12

liorptaletric Tests Tjme Serim

0

",i';'41

7
7 8 9 10 11 12 13 9 10 11 12 2 2 2 2 2 1 2 2 1 16 18 16 19 16 16 10 8 12 16 14 2 8 4 6 4 1 2 8 9 8

10
10 8

JJ

ekil 8.9 Analyze mens Burada ekil 8.9 'da da grlece i zere alt menler zerinden istatistiksel i lemler-analizler yap l r. nemli alt menler : Descriptive Statistics = tan mlay c istatistikleri hesaplar. Burada yeni kk pencereler a l r ( ekil 8.10)

250
AnxiOir..2 - SPSS lorWiodows Dala Eddof

dt

tew Data Dandafea

(:;11a1,91 .!_z_1 1:2.12-21

1 xub'ect

rrfoora a
.

Wirdcof
tiVI Ir"! Erequancses. Exdofe.

teepars riene ot Line Model anstety

.ortegate Ilegoiskv tmlnee peteReducbee

subject

!~
14 12 10

tria13

1r1.114

t
6 4

var

2 3 4 5 3 4 5 1 1 ZiogaramebiCTests le Sena S uraivr4

6 10 6

2 4 2

12

6
2 16 18 1 2 2 10 8 4 6 10 10 8 4 1 2 8 9

8
9 10^ 11 12

8 9 10 11 12

2 2 2 2

8
12 16 14 12

19
16 16

S ...: PSS 'fof Windows Processariz ~Oy

M Bn tist I 33r t,,, ,crosoll Word 0bffints: 1151An ciety 2 -SPSS for

ekil 8.10 Descriptive Statistics

Di er bir alt men olan (Compare means) ve pencereleri ekil 8.11 ile grlebilir. Burada "Ortalarnalarm kar lat r lmas " i lemleri yap l r. Tek rneklem iin t-testi, ba ms z ve ba ml iki rneklem testleri , tek ynl varyans analizi(ANOVA) i lemleri yap l r. Bu i lemlerin ayr nt sma(ierisine) girmek iin alt pencere ile ilgili analizin zerine gelinerek (t klama) ile girilir. (Bu i lemler iin de ayr nt l bilgiye ihtiya vard r) Ileride baz rnekler verilecektir.

51

easyse Diken Sirtirtir

Uds lifl &alar Labio eancere yardrn

1=9
Gtn de thetn, T mes New Raman

IN 01
12

4, 4?
IC T A

r2
;

if

75%

'

0 e '41e

s- :C "

.s;,
Tim Grd ler -

w ik>

'`3

21
Littesiety 2 Eda

SPSS lo W nd ws Data f Ilete /rano:form

api sUtikies Wedav

Yjaw

taa;islial sj
e

.j .Erj .

%re,.

EIR-1 ,1?#i;
Orx..".stntste T h'de.Des4ers-S~esl.Tesz.. Pesett-Samples T Test .
Qre-Way ANOVA.12

1:subject

IMERIMMWO t ur eratLirwa Ma,sej

,>,,;ate
Rege:tsScn >

subject

anxiety

Lt2Sinex
z. 2 1 Uatsi4

>
>

Qata

3
D g

1
1

See Nonprtamatc Test: Tjrne S

gQ,

yry.'nat 144bp el-leaponta

Ma.terg Vake AnSNa t.

met

otowd, eka

0 M .4 ;
a.
Sut adt

- - ;. =.
Cr

W
1531

Sayfe 254 MI I

12113

20 17,9= Sat

fileatat I

'7'141clasetlWod -13.bltsres ..ii*Ansiety 2 - SPSS

los ....

ekil 8.11 Compare means Di er bir alt men olan (General Linear Models) ve pencereleri ekil 8.12 ile grlebilir. Burada Tek ve ok degi kenli ,tekrarlanan lmlerle, Varyans bile enleri i lemleri yap labilir.

252
Q$ -Y8

ri;1 116ka
Gvde Metni

N-4Zen

Q4! Ch, &eddr Labk) eem:re Yardn, .:'`.8r1 `e) T mes New Roman +, . 12
-

- :%*1
T

Mit51" ' 4 371

4flffil t.#

75

H1'1
erSht tJebies Werke, Hdp

cka

Tm Greller
EAnx oty 2 - SPSS for Windows Dala [Mol

'meb ect subject

z~Cqina'ire..r ts .
-

ata Reeksten Selle Ifontreareebie Tesis Tere Seko tolt4ipleflesporree MisiogVedueAnetore..

Qz

'00az.. 44
13P4

Ei o E 4" N

wt
gjk"""

;Sayfa ,2S1 Sa I

...4411,4an

Set 7 St I

Babat DyMicrorroftWool

MArosiety 2 - SPSS for

ekil 8.12 General Linear Models Burada tan t lmaya al lan Analyze mensndeki dier alt menler ekillerden de grlece i gibi a a daki isimleri al r. Correlate : en az iki de i ken aras ndaki ili ki incelemelerini yapar Regresssion : bir ba ml ve bir veya daha ok ba ms z de i ken zerinden do rusal(linear) ve do rusal olmayan(non linear) model zerinden sebepsonu analizleri yapar. Ayr ca ; Log Linear , Classify(s n flarna) , Data reduction(boyut indirgeme), Scale(lekleme-gvenirlik testleri), Nonparametric Tests(parametrik olmayan testler), Time series(Zaman serileri) Survival(sreklilik-ya am), Multiple Response (klu kar la t rmalar) , Missing Value Analysis( Kay p de erli analizler) burada yap labilir. ** Bu analizlerin o u "Kalite kontrol" al malar nda kullan labilir.

253

8.4 istatistik Uygulamalara baz rnekler

DURUM-1 : Kabul edelim ki ; bir fabrikadaki A mal iin retim miktann (ton) en ok(anlaml olarak) geerli i gn say s a klamaktad r. Sonuta i gn zerinden hareketle retim miktar tahmin edilmek istenmektedir. Elimizde 1999 y l na ait a a daki (dikey kesit verilen) olsun.
Aylar : Ocak ub. Mart Nisan May. Hazr. Tem. A u. Eyl. Ek. Ks Ara. 15 26 28 16 14 20 21 30 29 X (i gn): 20 23 24 Y(retim): 100 110 115 90 120 121 80 70 90 90 150 130 Acaba neler / nas l yap labilir ? ZM YOLU : 1. 1=b7.ic1a zm iin "Basit Regresyon Analizi "kullan labilir. 2. Bu amala ilk olarak veri giri i yap lmal d r. File>New>Data 3. VAR1 > X VAR2Y olarak tan mlan r. Gerekli etiketlemeler yap l r. ( ekil 8.13) ile rlebilir. 4. Sonular ;
Mte-tor.ott Wold doc

fiqt:IF2

Qos`a 080tri rStWft 084' 108 {8 .4S8, tablo Cemre Mu

if?.ffilr2121ifill'4310 4F 75%
Gavtle tOo'b t 7itres New Roman

&lin II

ni ta'

fle

4a.)1

1,1
E.
Yur 4.

Unl tled -SPSS Ito WIndows Datd

d tot ,

tbt tido a Itansicon ~at at808s 2%4 W

.5] 1 . j5j :lk>t'pj $

x 20 23 y 100 110

r:W1 mi4F4 x141;

var

var

var

ote~ ed-

C3 C> O

4
32 tC/

Sa>fa 2S3t8 1

15/I5 1811.14,8an Sat 21 S:*

'

rar

anasolii21%UnEitleed - SPSS tat

fgr Microsoft Wout 8 boTtxns.. I ekil 8.13

254

5. Analyze>Regression>Linear blmne geilir. A lan pencere ekil 8.14 ile grlebilir.

PIIME

Ire fIde >

Pidiar iablo &mem lardrft

12

;Drg:k
15avde Metn . T mes New Remen

I T A

- 1 := = -

EW

JE.

I .

417

tk

Tim Girdiler

r.0;

otowa ekiIS/16

O 041

4 4,

=,--6.== we.ia

fSayfa 254 Bol 1 ,

6,4aa Sat 4 Siit

rIMIK

*Birel* roj Ureitled - SPSS lar VJ._ ff Microsoft Word elsbTriers..

ekil 8.14 Basit Do rusal Regresyon 6. Gerekli tan mlamalar alt kutucuklardan (Statistics,Plots,Options) yap larak OK ile sonular elde edebiliriz. ( ekil 8.15) ve ( ekil 8.16) 7. Gerekli yorumlamalar yap larak Durum-1 ile ilgili sonulara vard r.

255
rt. Outbuti - S('SS k W ndaws v. ewe

PIM
.ramPla

Idt:few Ineoft

.1.ffirem Wndom

0 .1. 1rd
Pul Regression kale Noter Variables EntetecbRemoveol Model Summary ANOVA Coefficients Regression TCle Nden Variables ErteredRemoved Model Sumrnary

Regression
Yariables Erstered/Rem nedb

Model

Variables Entered
eLLJr18.

Vanables Removed

Method Enter

a. AJI requested variables entered. b. Dependent Variable: Otelim rniktanton

411 ANOVA
Regression

4 Coelliciertts
Model Surnmary
Notes Variebles Entered/Rersoved Model Summar), ANOVA Coetticients

Model
1

R
,946.

R Square ,895

Adjusted R Square ,885

Std. Error ot the Estimate 7,78

a. Predittors: (Constant),

Yp gn

ANOVAb 4SF S for ,arralemProcessor

e' at

5lnt led -SP S tdrWech.. /fMictaodt Word

1 - SPS Sor

....

ekil 8.15 Basit Regresyon Analizi sonulan-1 Basit Regresvon Analizi sonularl 1 Yorumu :
-

X: gn ile Y:retim miktan aras nda ( R=0.946) pozitif-ayn ynl, kuvvetli bir ili ki vard r. (Olumlu)
Y:retim miktar de i keninin X: gn de i keni Modele al nan % 89.6 's n a klayabilmektedir. Bu yksek bir (R squared = 0.896) a klama olarak kabul edilebilir. (Olumlu)

(Std.Error of the Estimate = 7.78) : Tahminin standart hatas olup kk kabul edilebilir. (Olumlu) * * * Buraya kadar bulunan sonularla analiz (olumlu-iyi) sonular vermi tir.

256

Ouepul 1 - SPSS lert WIndoes thewe

-

1,1bltier.

e;11 , 61

ti The

Regression Notes Variables Enteredeftemoved Model Su/11~y ANOVA Cosi fcients Regression Ttb Notes Venahees ErtereebRemoved Nede Summary

movkb
Model 1 Sum of Squares Regression Residuel Talat 5197,431 605,569 5803,000 dr 1 10 11 Idean Square 5197,431 60,557 F 85,827 Sig. ,000.

a. Predictors: (Constant),

`'l)

gn

b. Dependent Variable: Otelim miklangen

,:if)

ANOVA Ceetficients Sergee.sion Tele Notes Varialhes Enteredletemoved Model Sumenary ANOVA Ceetticients

Coeffcients.

Standardi
LW..1

Unstandardbted Coefficients Model 1 (Constant) il) gn B 17,217 3,983 Std. Error 9,791 ,430

Coefficien ts Bela .946 t 1,758 9,264

. Sig. ,109 ,000

a. Dependent Variable. CnetiM rm darj, ton

SPSS 41* Windcwis Ptoces m.reacy ,

W5ithd

~ft'WOnt:- f&ik ns..,::

odput - SPSS

ekil 8.16 Basit Regresyon Analizi sonular -2

Basit Regresyon Analizi sonular -2 Yorumu : Anova sonular izlendi inde Y= bo+blX do rusal denkleminin do rusal ili kiyi yans tt (F = 85.827 = p.sig=0 000) grlr. (Olumlu) Coefficients sonular izlendi inde tahmini denklem = B de erlerinden ; Y= 17.217 + 3.983 X olarak belirlenir.

Bu tahmini regresyon denkleminde bi katsay s = 3.983 = denkleme nemli bir katk sa lamaktad r ( Sig=0.000) (Olumlu)

257

**** Sonu olarak ba ta d nld gibi; ZM YOLU :Burada zm iin "Basit Regresyon Analizi " kullan labilir d ncesi yap lan analizie do rulanm t r. Art k yap lacak i ; Y= 17.217 + 3.983 X denklemi ile tahminler yapmakt r. rne in denilebilir ki; e er X: gn say s 25 olarak hedeflenirse gerekle ecek Y:retim miktar (ton) ne kadar olacakt r. Bu durumda ; Y= 17.217 + 3.983 (X25 )= 116.792 Olarak tahmin edilir. Bu tahminin gerekle me olas l bu model ile yetinilirse do ruya yak n olabilecektir denilir.

DURUM-2 : Kabul edelim ki ; bir fabrikadaki A mal iin retim miktar n (ton) en ok(anlaml olarak) geerli i gn say s a klamaktad r. Sonuta i gn zerinden hareketle retim miktar tahmin edilmek istenmektedir. Elimizde 1999 y l na ait a a daki (dikey kesit veriler olsun. Aylar : Ocak ub. Mart Nisan May. Hazr. Tem. A u. Eyl. Ek. Ks Ara. X (i gn): 20 23 24 15 16 14 20 21 30 29 26 28 Y(retim): 100 110 115 90 80 70 90 90 150 130 120 121
Bu verilen tan mlamak iin Acaba neler / nas l yap labilir ? ZM YOLU : 1. Burada zm iin "Analyze>Descriptive Statistics>Descriptives " 2. Durum-1 ' de veri giri i yap lm t yine ayn grnt kullan labilir. 3. Analyze>Descriptive Statistics>Descriptives blmne girilerek ( ekil 8.17) elde edilir. 3. Bu tammlama iindeki Options kutucu u Ula= Kar m za ekil 8.18 kar, burada ilgili kutucuklar i aretlenir ve OK ile sonular ekil 8.19 ile elde edilir ve yorumlamalara geilir.

258
iS la
Eda yiew j2ata lzsdom ?1.lakat firaphs LiaTties Wa dow ttelp

Variable[s1

Si IS gunu l l
ten a ldan.lan 110

OK
easte fieset

Z
3 4
Seve tanciankedvelues a variates

lielp

6
6 80 70 90 90 160 130

4 20 21 30 29

9
10 11

12

',SP55 la Windows Placa:ac st mady

amlat

SPSS tor W...

Wc osoftWotd- tialaas... fflOt puti - SPS5 for Wnda.1

ekil 8.17 Descriptive Statistics tan mlamas Burada veri giri i ile tan mlanm de i kenle ilgili "temel ller" elde edilir.

259

21 30
29

90

150 1343

1SPSS for WindowsProcersor isfeady 41b1341. 1..

Untitied - SPSS tat Vi_

B Y MerosektWord- 8.bblkat.4. ta 0

- SPSS tat Wincia.4.

ekil 8.18 Descriptive kutucu unda i aretlemeler

ekil 8.19 ile elde edilen sonular n yorumlamalar -1 :

Bu durumda ekilden grlenler yorumlanmaktad r. Buna gre ; gn (X) 'in de i im aral : 16 gn'dr retim (Y) 'in de i im aral : 80 ton'dur. gn (X) 'in En kk de eri : 14 gn'dr retim (Y) 'in En kk de eri : 70 ton'd r.
gn (X) 'in En byk de eri : 30 gn'dr retim (Y) 'in En byk de eri : 150 ton'd r.

260
IMIn E
trtths LIF Window

Outputl - SPSS tat 4sriricteetesttteteet

Eie Ectit View nsett Fasa* Araistte

Hela

1 ci'kuialallzrj:1 +141 4.1-1 F:191q1

Put Regression "lie Notes Veriables Entered/Removed Model Surnmery ANOVA Coefficients Regression Title Notes Variaeles EnterecbRemoved tk5 Model Summery ANOVA Coefficients Regression ittle Notes Veriables Entered/Removed Model Summary ANOVA Coentet; -rcs Descriptives Title YPrt INotes Descriptive Stetistics

Coefficients.
Standard zed Coelficien ts Peta
1,758

Unstandardized Coeflicients Model

1 (ConStent) ttItt gn

B
17,217

Sid. Error
9,791

Sig.
,109

3,983

430

946

9,264

000

a. Dependent Variable: Utetim miktar</-ton

scriptives
Descriatare Statistics
Minimum Ylo gn Otetim miklab",-ton alid N (listwise) 105,50 Maximum Std. Deviation 5,46 22,97

Mtlnatled -SPSS tat Wi

illaicrtatoftWord-abdtans nnutputi - SPSS

ekil 8.19 Tammsal Sonular ekil 8.19 ile elde edilen sonular n yorumlamalar -2: Bu durumda da ekilden di er grlenler yorumlanmaktad r. Buna gre ; gn (X) 'in de erleri toplam : 166 gn'dr retim (Y) 'in de erleri toplam : 1266 ton'dur. gn (X) 'in Aritmetik Ortalamas : 22.17 gn'dr retim (Y) 'in Aritmetik Ortalamas : 105.50 ton'd r. gn (X) 'in Standart sapmas : 5.46 gn'dr retim (Y) 'in Standart sapmas : 22.97 ton'd r.

261

8.5 SPSS'de Graf kler

Ana mende Graphs bu i i yapmaktad r. Kar m za kacak grnt ekil 8.20 ile grlebilir.
Untitled - SPSS io Windows Data. E &ot

Lie Erk Ytew Peta

lsrostsiStri

~e Em
yar---

P1 G1
Uttlittea Hdp
9

drrm~

.k17

41

100 110
115 90

Fre-

Paffito... cettrot..

Errat Bar.28 16 14 20 21 30 29 ROL Cutve... Time Seth% Sesler__ 1-Itztegam.'_

-SPSS tat Wtrtdotas Processor is reacbr Untitied SPSS for W... WIMi=oftWold- abatims...1 Outputl - SPSS ter Wndo.

ekil 8.20 Graphs ile yap lacak i lemler ekil 8.20 'den grld gibi ; Bar ubuk , Alan , Pie >Daire Line izgi , Area High-lowS n rlar grafilderi genel ve bilinen graf klerdir. Di er grafiklerden olan ; Pareto Hatalar n da l m , Control =Kontrol grafikleri konumuz olan grafiklerdir.

262

Bununla birlikte yine ekilde grlen di er graf kler de genel ve bilinen grafiklerdir imdi , Pareto = Hatalarin da l m . Control = Kontrol grafikleri zerinde durahm . Pareto = Hatalarin da l m graf i iin ; Graphs>Pareto tkland nda ekil 8.21 !rntlenir.
1~,~91 .0# yana m 9
trt

Yi

Yr

Qata ~n An4lyze

Qraphs UfiYes Window Hdp

Cir

tr211_1 1
var
V=31"

1
2

20 23 24 15 26 28 16

100 110 115 90 120 121 80 70 90 90 150 130

Data ir, Chat
Cotrts ot sums fct groups of cases Stacked

3
4
5

i Derine Cancei
Hek

e
9 10 1 12 13

4 20 21 30 29

r Suna of sepawate yariabies

Values dindrvidual cases

'SPSS for Windows Processor IS ready

4 1 2a4iat . j

I ii] Unhtled - SPSS tor

rcroroftWorct-

ou(put

SPS S kr Wido

no4"e:

loas

ekil 8.20 Pareto graf ine giri Burada ; Simple= Tek de i ken zerinden , Stacked Kmelenmi , eklemeli de i kenli grnty verir. Simple= Tek de i ken zerinden seilir ise ekil 8.21 grnts elde edilir.( Alt yuvarlak kutucuklarda farkl bir istek sz konusu de ilse de i tirme yap lmaz.)

263

Qosye ()ken qrridr . ICan 1;ide alo fgake jablo

eencere Yardm,

D21;1
Gvde Metn Times New Roman t, 12

:s

pa

co Ir 75 %

K T A',W

Tim Gider

agosi

Gelme Simple Pareto: Counts or Sums for G oups of Cases

../11tetim mktareton

fyj

Dispday curmiative ine

otofzel145eu -

O0
,Byl 22,4an Sat 15 Sik

I?!
las

Sayfa 262 Bol 1

24$24

1084a1 Q Unbtled - SPSS for W... ?ymicfmetIvord- 8.bolurot.. MOutpull SPSS Wndo.

ekil 8.21 Simple (Tek de i ken) giri i)

Burada nemli olan durum udur ; Neden pareto analizi-graf ine ihtiya
duyuldu ve pareto analizinin esas nedir ? yorumlamas nas l yap lacakt r? E er bu sorular n cevab (var ise- biliniyor) i lemlere devam edilmelidir. rne in; daha nce Durum 1 2 iin kullan lan verileri dikkate alal m. X: gn say s = ele al ns n. Bu durumda Category Axis kutucu una X de i keni ta n r. Titles ve Options kutucuklar da t klanarak ilaveler yap l r ve ekil 8.22 grnts elde edilir ve yorum yap l r.
-

264
Clutpatl - SPSS lot Wmdows V er et

fie

EtR YieW Insert tffirrai.

Analyse

tapls ljtffies Vindose

Hdp

I
4

1 I *Il
Title
Notes Vanables Enterad Rrancy Model Summar./ ANOVA

`!..1Q1'11
14

Regression

12

4100

Coefficients Regression rale Notes Verialffes Entered Remcff Model Summary ANOVA Coefficients Regression Tkke Notes Veriabies EnterecaRemo Model Summar ,/ ANOVA Coefficients

10

Lk1

50

`8' o 20

ilr13ErlirlF3r131r131f13F13
14 15 16 21 23 24 26 28 26 30

f".1 ,

Desdriptives Tele Notes Descriptive Stedistics Oraph Title

'rio gn

;SPSS tot wrdovs lloccsi is ready

ffij u 000ed - SPSS for Vi

UNiicrosoftWorcl-8.1iciims...Outputl -SPSS for ...

ekil 8.22 X de i kenine gre Pareto graf i E er uygunsa ayn al ma Y de i keni iin de yap labilir.

Stacked Kmelenmi , eklemeli dek'i kenli Pareto grafi i izimi

Bu durumda Stacked t klan r. Kar m za gelen ncekine benzer(simple) grnt de ; Define > Category Axis ve Define Stacks by kutular na ilgili de i ken atamalar yap larak ekil 8.23 elde edilir ve yorum yap l r.

265

Outia t - SPSS lar Windows VI 614e1. Yjaw inseft Fo5rolt 6nakze

Grephs

"

trTties ',Ando, 1-4eip

c81,:i 'ta!

*1+1 +1-1 1e1 s?:191 qi

(h Model Summary ANOVA Coefficients Regression Title Notes Variables Entered/Remo5 Model Summary ANOVA CumulatNe

ffi 111

150 130 121 120 115

4 Coefficients
Regression Titie Notes Variables Entered Rerno, ,Model Surnmary ANOVA

in

Coefficients Descriptiyes Title Notes Descriptiye Statistics Graph Ttle Notes Pareto chart ot count by Graph Tate 4: - "

O
20 14 15 16 21 23 24 26 28 29 30

lo oo o

Ej ton

090

Ileaoati

untmed, sFss forwlado , 1 By Mem:soft Wetd bol ".

Output# - SPSS for

111.4

1107

ekil 8.23 X ve Y de i kenli Stacked-Pareto graf i

Control =Kontrol graf kleri zerinde a klamalar :

Bu durumda Graphs>Control ile gei yap l r. Kar m za kacak grntler ekil 8.24 ile grlr. Burada; De ikenler (llebilir) iin ; s (standart sapma) grafikleri yap labilir. X Bar (ortalama) , R (range) ve Yine ; Ind vuduals (Bireysel de erler- X'ler) , Moving Average ( Hareketli Ortalamalar) graf kleri yap labilir. Yine ; zellikler(nitelikler) iin ; p , np , c , U grafikleri yap labilir. ***Bu graf klerin alan a klamalar ve zellikleri kitab n (5.Blmlerinde) yer almaktad r.
-

266
;_12j92cj
Gvde Metn Tuner Ner t Roman ,rt :12

3K

1.

A .

unbued,'

Control Cfra ts

XAar.R,

s ed rks Range

Intforiduals.

nP

.
a Sayfa 265 881 1 Otomattit elol 27/27
-

c:3 o
18,9em

b,
8 5t 16

=
!

sat

418%1.21

Untitied

SPSS fel W..

BytA l.s.tt Wotd 8 !Soluna... I MRutputl SPSS for Wrdo....1

ekil 8.24 Kontrol grafikleri grnts

rnek Uygulamalar -1 :
imdi X-Bar(ortalama) ve de i im aral ( R ) veya X-Bar ve Standart sapma (s) grafi i izmek isteyelim. Bu durumda Graphs>Control > seilir. Burada ilgili grafik tr iin ekilin zerine t klanarak ercevelenir. Takiben Define kutucu u zerine t klanarak yeni bir ekran ekil 8.25 ile elde edilir.

267

111,n ikowa N-Jon 12)

Gvde Metn

Oda Ikaa tiraftr

eencera Yarchn't

<210
Times Nee Roman . 12 , jir

e. e>
T A ..

al '43 MI
I=

4IT 75 %
4

40, . A .4

2! tiiiri ,edifae..
-

!:.!!,- ;4J p 4l i4 , .,. ! . t !.,H .

X-Bar. Il Cases A e Units

Process ',least;

fi Utetirn mktan-ton [y]

rnek 1.1,0112=12r :
imdi X-Ber grali i izmek isteyenin. Bu durumda rapbk,Q.,,,,tuf X-Bar Defule kutucu a zerine fiklanarak yenilsir ekran sekil 8.25 ile elde edilir.

Qz -

Ctomatk sel-'

0 4 ta
R- '' Cf:X

Sayfa 266 8a1 I

, nflatriak

28/28 >V18,4;n Sat t Sit

lt27

1 Nil

Untitled -

SPSS for W... Tykl ctottftsford-8.bartif ls.

fflO .tpull SPSS fo(Windol

ekil 8.25 X-Bar R veya s grafi i giri i i lemleri Burada , Charts kutucu unda (X-Bar ve Range) yuvarla otomatik olarak i aretli km t r. E er Standart sapma ilaveli yap lmak istenirse de i tirilebilir. Daha nce verilerin uygun biimde giri i yap lm olmal d r, Veri giri i iin AIKLAMA : rne in elimizde ; 20 adet zaman noktas nda n=5 lmler olsun. Bu durumda veri giri ekran nda 1. Stunda (X) 1.zaman lmleri (5 tane), 20. takiben 2. zaman lmleri (5 tane) , 3.zaman lmleri (5 tane) zaman lmleri (5 tane) girilir. Sonuta 1. stunda toplam 100 lm olacakt r. 2. Stunda (Y) lmlerin tam kar s na gelecek biimde <1,1,1,1,1) takiben (2,2,2,2,2) , (3,3,3,3,3) (20,20,20,20,20) girilir. Tekrar Graphs>Control> kutucunda ;

268

Data Organization

Cases Unit ( n'ler e it ise) , Cases are subgroups farkl farkl ise) seilir. Define t klanarak (X-Bar, R,s : Cases are Units) grntlenir. Burada ; Process Measurement (sre ls) kabul edelim ki = X de i keni olsun. Subgroups by defined ( alt gruplar a klayan) (Y) olacakt r. Yine Options Kutucu unda rnek geni li i tan mlamr ( rne in ; 5 gibi) Elde eCu en grnt ekil 8.26 ile X-Bar iin ve ekil 8.27 ile Range iin grlebilir. Yorum yap l r.
mr4E,

nutpull - SPSS

101

Wtndows Vtewet

cit Ytew, leeett ', fiRttat Arta!rif, ataP I* tttaieS

do..

0 11=11491al.

Z, Medd Summary
ANOVA Ceefficients Descretbves Ttk Notes

Veriables Enteredftemet

SPchart

Control Chart: VAR00001

76

Lal Descriptive Steeettcs

Gmbh Ttk Noter y - ~etc chart of cote -t by Graph 4; Ttk Notes Petek, chart of court by SPcnert Ttk Nates Text Outptd , SRetat. Ttk Notes '42 X-ow of x by gn Range ot x by gn SPet,ert Averag e = 50,8571

o VAR00001
LICL. = 714699

LCL . 30,2444 7,00

Ilslat

Untitied SKS to

..

I Tir hticrosoftWord

PSS'5:4Norrebv sProcesac4 ready

output - SPSS ta/

...

-4,rra

11:42

ekil 8.26 X de erleri zerinden X-Bar graf i E er Range graf i izimi yap lacaksa ; Options k sm ndan alt ve st de erler ve rneklem hacmi bilgileri girilmelidir.

269
c dtput .
for Windows Vlowet

Ek E" N3,19 kfalt fSt mat

,4<iPtht Litttett:.

+1+1. +I 1 .-.1.14.,1c21111
Vertabies Entered.Rano se. Moolet Surnmary ,f. ANOVA Coeffcients

Lfg

Sigma levet 3

14

Control Chart: VAR00001

Ttk Notes Desem:eve Sis

Gretn Titte

Nbte
Pareto charl of ccxt Orarth Ttie

4 Peteto chert of cotrt

SPchart IVOte3 Text Ottptt SPchart Ttle **es X-ber of x by gi Renge of x by gri) 'SPchart

Notes

VAR00001 UCL = 51,8596

Average = 20,1429 LCL = ,0000 2,00 3,00 4,00 5,00 5,00

7,00

ISPSS for Viindom ProceF ci s bfzosoft otd ElbaTurn...

HK4 Outputt - SP5S int ..

11:43

ekil 8.27 X de erleri zerinden Range grafi i

rnek Uygulamalar -2 :
imdi p graf i izmek isteyelim. lk olarak veri giri i yap lmal d r. Bunun iin VARlolarak (bozuk/sa lam) say s de erleri girilmelidir. VAR2 olarak rnek No de erleri(Gn / ay ...vb) de erleri girilmelidir. ( ekil 8.28)

270
Untitled - SPSS ha Windows Dala Editot

NDE
e t

f de View Data Iterisfonst Analyse raphs Utiities Weide ili

1 11;i1191
kusursay 1 2 3

LL1 '61 FPI jk

war

Alt RI 1 >1Q91
va var var

11
20 18 16 2 3 4

5 20 71 15 22 9 19 11 12 13 21 19 35 40 22 11
tF

5 6

10
11 12 13 14

Processor ea a;lati Mic osoft Word

SPSS for Qindovr;Pr;cessa - tS 14:49 liMUntitled - SPSS for

ffl Buroutl -SPSS for Windo...

18

ekil 8.28 p grafi i iin veri giri i (2 stunda)

Daha sonra

Graphs>Control >p ,np seilir. Kar m za ekil 8.29 gelir.

271
*$~ i dit w

Eie E41 1<wvs Qata bansfonn Anatze raphs Sitit*$ Wndow Bei!)

UTilka I
kusursay

1 k I
np Gases Are Subgroups

11 20 18 16 21 20 15 22 21 19 35

Number NonconfacminT kusursay ztnxps Labeied v&00002 Sarr,p4e Size <4' Censt~

6k

r Variable

Burada sample size (al madaki rnek hacmi de eri) girilmelidir. Daha sonra OK t klanarak grafik elde edilir.

rnek : Bir fabrikada retimin V4 ' (500'er tane)kontrol edilmekte ve

bozuk say s her gn olarak 1 ay boyunca saptanm t r. De erler syledir : gn- -1- -2 11 -3 4 28 19 -29- -30 20 12

18 20 26

Tablo 8.1 n=30 adet (bozuk) say s de eri Burada sample size (al madaki rnek hacmi de eri=500) girilmelidir. Daha sonra OK t klanarak grafik ekil 8.30 ile elde edilir.

272

Vtew . jnsert Fpnnat

raPht

Window

w;lialal2d3j 3 4-1-1.;1131
output Q Lj SPchert 0
Tftle

Control Chart: KUSURSAY ,to

,08

Notes SPchart Title

Notes SPohart Notes CI SPchert Notes it SPchart Title Notes

ct, 11 SPchert Tate . Notes SPchert Tdle Notes SPchert Title Notes SPchert Ttk= Notes Pot kusursey

K USURSAY UCL = ,07 02 Cerder = ,04 0 00 3 5 7 9 N 13 15 17 19 21 23 25 27 29 S gn a levet 3 LCL = ,01

J-J to Title

it

pt. ta4;. 15:34

/1,9 Microsoft Word

1 Utintiled SPSS forWindo... IlflOutputl -SPSS fo

ekil 8.30 p grafi i (sigma=3)

Sonuta grafik yorumlarur.

** Benzer grafiklerde rnek noktas say s oald ka (yeterli veri) olu an grafik daha anlaml ve gereki yorumlanabilir olacakt r.

rnek Uygulamalar -3 :
imdi c grafi i izmek isteyelim. lk olarak veri giri i yap lmal d r. Bunun iin veri giri penceresinde VARlolarak c de erleri girilmelidir. VAR2> olarak rnek No de erleri(Gn / ay ...vb) de erleri girilmelidir. ( ekil 8.31)

273
1.1r tdied - SPSS fol W ndows Dala [dile(

16 12 15

3 4 5
6

26 20 31 26 20 12 13 24 16 19
in

7 B 9 10 11 12 13 14

Baiali

yy Microsoft Wa f 4bdurs_

lightitled SP5S for

Moutput

spss

ekil 8.31 c grafi i iin giri Daha sonra ; Graphs > Control > Control Charts seilir. Burada ( c,u ) kutucu u belirginle tirilir. Sonra Defne t klanr. Art k sol taraftaki kutuda veri airi iyle olu turdu umuz ( c ve rnekti. ) de i kenleri vard r. olarak atan r. c Characteristie , rnekno Subgroups Defined by Burada c grafi i olu turulaca ndan e 'nin solundaki yuvarlak i aretli olmal / i aretlenmelidir. OK ile c grafi i elde edilir. (rnegin : ekil 8.32 gibi).

rnek :
Kabul edelim ki ; elimizde retimi yap lm 100'er adet sunta levha olsun. Bunlardan uygun olmayanlar n say s (ci 'ler) saptanm tr. ( ekil 8.31 gibi) c grafi i izelim . Yukandaki a klamalar dikkate al n rsa olu an grafik ekil 8.32 ile belirtilir.

274

Output1 - SPSS for Wifidews Viewer

Ele drt Yiew inse* FOrroot Arrekor, 2rePhs

rdow

it

1=zj _:j r2 .s?kj ki {I-i ::.1r1 ":19.1q1

Output R CI SPchart
4fb ille - ri3 Notes C ot c by

jj

..SPchart
Control Chart: C

UCL =33,21 Center =19,85 LCL = 6,48 3 5 7 9 11 13 15

17 19 21 23 25

orraft

Lintitted- SPSS for Windo.

Outputl - SPSS for. ...

ekil 8.32 c grafi i Sonuta rnek zerinden srecin yorumlamas yap l r.

rnek : P graf i olu turmak isteyelim. Fakat n de erleri elimizde farkl

farkl olsun. rnek No : 1 2 3 4 5 6 n :750 750 250 250 250 1000 Hata say : 54 39 28 17 13 78 11 12 1000 1000 74 56 18 750 69 19 750 60

lk olarak veri giri i yap lmal d r. Bu amala 3 stun kullan l r. 1.stunda ,69,60 (Data Organization) iin , 2. stunda hata say lan : 54,39, 18,19) (Subgroups Labeled by) iin , 3. Stunda rnek no'lan (1,2,3,4, 750 ( Sample size variable ) iin . n de erleri : 750,750,250,

275

Grafi i olu turmak iin ; Graphs> control > p ,np pencerede veri giri i ile tan mlanan de i kenler atan r;

t klan r ve a lan

Data Organization = hata say lan, Subgroups Labeled by rnek no'lan , Sample size = variable n 'ler OK ile grafik ekil 8.33 ile elde edilir ve yorum yap l r.

0~4 ?chat The -s Nate* P of v r00001

SPchart

Control Chart: VAR00001

,14

Propo Mon Nonconform ng

O VARC0001
UCL Certer ,133 LCL 3 5
4 5

7 8

9 10

11 12

13 14

14 16

17 18

19

af

ekil 8.33 n 'ler farkl farkl iken p grafigi

276

TABLOLAR Sayfa
NORMAL DA ILIM TABLOSU ( Birikimli) (EK- I) t - TABLOSU (EK -II) KH -KARE TABLOSU ( EK - III) F TABLOSU ( a = 0.01 iin ) ( EK - IV) F TABLOSU (a = 0.05 iin ) ( EK - V) KONTROL GRAF KATSAYILARI TABLOSU ( EK - VI) KONTROL SINIRLARI N HESAPLAMALAR TABLOSU ( EK - VII) TESADF SAY LAR TABLOSU (EK -VIII) IKI-YNL NORMAL TOLERANS SINIRLARI N FAKTORLER TABLOSU ( EK - IX) 277 278 279 280 281 282 283 284 285

277

NORMAL DA ILIM TABLOSU ( Birikimli)

z
a

(EK- I)
0.07 0.5279 0.5675 0.6064 0.6443 0.6808 0.7157 0.7486 0.7794 0.8078 0.8340 0.8577 0.8790 0.8980 0.9147 0.9292 0.9418 0.9525 0.96 6 0.9693 0.9756 0.9808 0.9850 0.9884 0.9911 0.9932 0.9949 0.9962 0.9972 0.9979 0.9985 0.9989 0.9992 0.9995 0.9996 0.9997 0.08 0.5319 0.5714 0.6103 0.6480 0.6844 0.7190 0.7517 0.7823 0.8106 0.8365 0.8599 0.8810 0.8997 0.9162 0.9306 0.9429 0.9535 0.9625 0.9699 0.9761 0.9812 0.9854 0.9887 0.9913 0.9934 0.9951 0.9963 0.9973 0.9980 0.9986 0.9990 0.9993 0.9995 0.9996 0.9997 0.09 0.5359 0.5753 0.6141 0.6517 0.6879 0.7224 0.7549 0.7852 0.8133 0.8389 0.8621 0.8830 0.9015 0.9177 0.9319 0.9441 0.9545 0.9633 0.9706 0.9767 0.9817 0.9857 0.9890 0.9916 0.9936 0.9952 0.9964 0.9974 0.9981 0.9986 0.9990 0.9993 0.9995 0.9997 0.9998

b.0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2,8 2.9 3.0 3.1 3.2 3.3 3.4

0.00 0.5000 0.5398 0.5793 0.6179 0.6554 0.6915 0.7257 0.7580 0.7881 0.8159 0.8413 0.8643 0.8849 0.9032 0.9192 0.9332 0.9452 0.9554 0.9641 0.9713 0.9772 0.9821 0.9861 0.9893 0.9918 0.9938 0.9953 0.9965 0.9974 0.9981 0.9987 0.9990 0.9993 0.9995 0.9997

0.01 0.5040 0.5438 0.5832 0.6217 0.6591 0.6950 0.7291 0.7611 0.7910 0.8186 0.8438 0.8665 0.8869 0.9049 0.9207 0.9345 0.9463 0.9564 0.9649 0.9719 0.9778 0.9826 0.9864 0.9896 0.9920 0.9940 0.9955 0.9966 0.9975 0.9982 0.9987 0.9991 0.9993 0.9995 0.9997

0.02 0.5080 0.5478 0.5871 0.6255 0.6628 0.6985 0.7324 0.7642 0.7939 0.8212 0.8461 0.8686 0.8888 0.9066 0.9222 0.9357 0.9474 0.9573 0.9656 0.9726 0.9783 0.9830 0.9868 0.9898 0.9922 0.9941 0.9956 0.9967 0.9976 0.9982 0.9987 0.9991 0.9994 0.9995 0.9997

0.03 0.5120 0.5517 0.5910 0.6293 0.6664 0.7019 0.7357 0.7673 0.7967 0.8238 0.8485 0.8708 0.8907 0.9082 0.9236 0.9370 0.9484 0.9582 0.9664 0.9732 0.9788 0.9834 0.9871 0.9901 0.9925 0.9943 0.9957 0.9968 0.9977 0.9983 0.9988 0.9991 0.9994 0.9996 0.9997
(z) =

0.04 0.5160 0.5557 0.5948 0.6331 0.6700 0.7054 0.7389 0.7704 0.7995 0.8264 0.8508 0.8729 0.8925 0.9099 0.9251 0.9382 0.9495 0.9591 0.9671 0.9738 0.9793 0.9838 0.9875 0.9904 0.9927 0.9945 0.9959 0.9969 0.9977 0.9984 0.9988 0.9992 0.9994 0.9996 0.9997
z 1

0.05 0.5199 0.5596 0.5987 0.6368 0.6736 0.7088 0.7422 0.7734 0.8023 0.8289 0.8531 0.8749 0.8944 0.9115 0.9265 0.9394 0.9505 0.9599 0.9678 0.9744 0.9798 0.9842 0.9878 0.9906 0.9929 0.9946 0.9960 0.9970 0.9978 0.9984 0.9989 0.9992 0.9994 0.9996 0.9997

0.06 0.5239 0.5636 0.6026 0.6406 0.6772 0.7123 0.7454 0.7764 0.8051 0.8315 0.8554 0.8770 0.8962 0.9131 0.9279 0.9406 0.9515 0.9608 0.9686 0.9750 0.9803 0.9846 0.9881 0.9909 0.9931 0.9948 0.9961 0.9971 0.9979 0.9985 0.9989 0.9992 0.9994 0.9996 0.9997

-,___ -- e - t2/2 dt 2 r

278

t - TABLOSU
P[t(v) 5 t(a; v)] = a.

(EK -Il)

df
v

a ,.. I - o<

0.75 1.000 0.816 0.765 0.741 0.727 0.718 0.711 0.706 0.703 0.700 0.697 0.695 0.694 0.692 0.691 0.690 0.689 0.688 0.688 0.687 0.686 0.686 0.685 0.685 0.684 0.684 0.684 0.683 . 0.683 0.683 0.681 0.679 0.677 0.674

0.90 3.078 1.886 1.638 1.533 1.476 1.440 1.415 1.397 1.383 1.372 1.363 1.356 1.350 1.345 1.341 1.337 1.333 1.330 1.328 1.325 1.323 1.321 1.319 1.318 1.316 1.315 1.314 1.313 1.311 1.310 1.303 1.296 1.289 1.282

0.95 6.314 2.920 2.353 2.132 2.015 1.943 1.895 1.860 1.833 1.812 1.796 1.782 1.771 1.761 1.753 1.746 1.740 1.734 1.729 1.725 1.721 1.717 1.714 1.711 1.708 1.706 1.703 1.701 1.699 1.697 1.684 1.671 1.658 1.645

0.975 12.706 4.303 3.182 2.776 2.571 2.447 2.365 2.306 2.262 2.228 2.201 2.179 2.160 2.145 2.131 2.120 2.110 2.101 2.093 2.086 2.080 2.074 2.069 2.064 2.060 2.056 2.052 2.048 2.045 2.042 2.021 2.000 1.980 1.960

0.99 31.821 6.965 4.541 3.747 3.365 3.143 2.998 2.896 2.821 2.764 2.718 2.681 2.650 2.624 2.602 2.583 2.567 2.552 2.539 2.528 2.518 2.508 2.500 2.492 2.485 2.479 2.473 2.467 2.462 2.457 2.423 2.390 2.358 2.326

0.995 63.657 9.925 5.841 4.604 4.032 3.707 3.499 3.355 3.250 3.169 3.106 3.055 3.012 2.977 2.947 2.921 2.898 2.878 2.861 2.845 2.831 2.819 2.807 2.797 2.787 2.779 2.771 2.763 2.756 2.750 2.704 2.660 2.617 2.576

0.9995 636.619 31.599 12.924 8.610 6.869 5.959 5.408 5.041 4.781 4.587 4.437 4.318 4.221 4.140 4.073 4.015 3.965 3.922 3.883 3.850 3.819 3.792 3.768 3.745 3.725 3.707 3.690 3.674 3.659 3.646 3.551 3.460 3.373 3.291

2 3 4 5 6 7 8 9 10 Il 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120

t(0.95; 10) = 1.812

P[t(10) ..5- 1.812] = 0.95.

279

KH -KARE TABLOSU
x'(a; v) P[x'(v) 5 x'(a; v)) = a.

( EK - III)

2'1 1:1 ,1

a .. 1 ._ 6( 0.005
C VO 00t. t,'

0.01 0.0'157 0.0201 0.115 0.297 0.554 0.872 1.24 1.65 2.09 2.56 3.05 3.57 4.11 4.66 5.23 5.81 6.41 7.01 263 8.26 8.90 9.54 10.20 10.86 11.52 12.20 12.88 13.56 14.26 14.95 22.16 29.71 37.48 45.44 53.54 61.75 70.06

0.025 0.0'982 0.0506 0.216 0.484 0.831 1.24 1.69 2.18 2.70 3.25 3.82 4.40 5.01 5.63 6.26 6.91 7.56 8.23 8.91 9.59 10.28 10.98 11.69 12.40 13.12 13.84 14.57 15.31 16.05 16.79 24.43 32.36 40.48 48.76 57.15 65.65 74.22

0.05 0.0'393 0.103 0.352 0.711 1.145 1.64 2.17 2.73 3.33 3.94 4.57 5.23 5.89 6.57 7.26 7.96 8.67 9.39 10.12 10.85 11.59 12.34 13.09 13.85 14.61 15.38 16,15 16.93 17.71 18.49 26.51 34.76 43.19 51.74 60:39 69.13 77.93

0.10 0.0158 0.211 0.584 1.064 1.61 2.20 2.83 3.49 4.17 4.87 5.58 6.30 7.04 7.79 8.55 9.31 10.09 10.86 11.65 12.44 13.24 14.04 14.85 15.66 16.47 17.29 18.11 18.94 19.77 20.60 29.05 37.69 46.46 55.33 64.28 73.29 82.36

0.90 2.71 4.61 6.25 7.78 9.24 10.64 12.02 13.36 14.68 15.99 17.28 18.55 19.81 21.06 22.31 23.54 24.77 25.99 27.20 28.41 29.62 30.81 32.01 33.20 34.38 . 35.56 36.74 37.92 39.09 40.26 51.81 63.17 74.40 85. 3 96.58 107.6 118.5

0.95 3.84 5.99 7.81 9.49 11.07 12.59 14.07 15.51 16.92 18.31 19.68 21.03 22.36 23.68 25.00 26.30 27.59 28.87 30.14 31.41 32.67 33.92 35.17 36.42 37.65 38.89 40.11 41.34 42.56 43.77 55.76 67.50 79.08 90.53 101.9 113.1 124.3
'

0.975 5.02 7.38 9.35 11.14 12.83 14.45 16.01 17.53 19.02 20.48 21.92 23.34 24.74 26.12 27.49 28.85 30.19 31.53 32.85 34.17 35.48 36.78 38.08 39.36 40.65 41.92 43.19 44.46 45.72 46.98 59.34 71,42 83.30 95.02 106.6 118.1 129.6

0.99 6.63 9.21 11.34 13.28 15.09 16.81 18.48 20.09 21.67 23.21 24.73 26.22 27.69 29.14 30.58 32.00 33.41 34.81 36.19 37.57 38.93 40.29 41.64 42.98 44.31 45.64 46.96 48.28 49.59 50.89 63.69 76.15 88.38 100.4 112.3 124.1 135.8

0.995 7.88 10.60 12.84 14.86 16.75 18.55 20.28 21.96 23.59 25.19 26.76 28.30 29.82 31.32 32.80 34.27 35.72 37.16 38.58 40.00 41.40 42.80 44.18 45.56 46.93 48.29 49.64 50.99 52.34 53.67 66.77 79.49 91.95 104.2 116.3 128.3 140.2

0.0'393 0.0100 0.072 0.207 0.412 0.676 0.989 1.34 1.73 2.16 2.60 3.07 3.57 4.07 4.60 5.14 5.70 6.26 6.84 7,43 8.03 8.64 9.26 9.89 10.52 11.16 11.81 12.46 13.12 13.79 20.71 27.99 35.53 43.28 51.17 59.20 67.33

N WN--4C7, VI SS'6 ' 8C ctz;bmJTc

Source. Tabulated values adapted by perrnission from C. M. Thompson, -'Tatile of Percentage PorPLsof the Chi-Square Disrribution," Biornetrik . VO: , 32 (1941), pp. 188-189. x'(0.900; 4) = 7.78 so P(x'(4) S 7.781 --- 0.900.

-r.

280

F TABLOSU ( a = 0.01 iin )

( EK - IV)

I
3
512* L's:2,;,". .;Si .4 "....... .. ...
, ,

:,Br,gz.: ."-. :$:-', z:8 .............

- OC I 09 01' OC te OL S I Z l Ol O

...:::::=1, a:cg&z.zr.:2 :,..7ng 7:.ZR22 =7.22::', Zr431. ^ . - - - s:',; r.: ,s : asi wi re !:ie.2

- :z.2:s gRngz,.. /nz sr.12..:.4 .....,t x .2.- gagas - -, - 3:x. - iririplei f4ttinire , ninin.e iai ...e...ni,. tsiesi2 :::z<2 -

"-

:,,:% X7,:Zz gRr,, ;:.! r."2:Ngr.R;;Z:Z;;;;28:::,2."- .4. : * zi ei ... s; wi s i ss ti e, mi .4 ,i M NI r. sss hl Cs sNe s,s CV M1 .s III NI }V (.s 1.0 ss
!i

Sg2

.4.. z .2 .

".,

gz, : .,,7 z.2as':,... zszr.,.7.;:;:".!,-,z, ?.-g:::::. . o el

t 4,

f, 09 t',

e, ,'

,tl

e.

e. . s r. e. e, ra e. n. es. na - -

E zr.z.
17.

'41' ..;:gs 2 gr. :?:*;. 74xs ;,:zzz 2:7.'..-....r.z2z: ---- ------ e... ra. ni e, .. n .: Ni 1.011.0 s

....... 7 7 ' 2 Z! .14' 1'. s 79 : . N . . . .. g r0 s.". t ',": : 2 : ." . .... " 2 :1 g .1' 1.,. .:.;X: . -: ... s n t+ ri r, r f .., n re no ... 1.1 ra n ns n . . ,;;;..:::: gr.i.: 2 .4. 2 ;5::::::.g : :g2; g:Z: . Z ne. eve.- 2i-ig'28 ..."''''
:4.......W 0 s ,...7,0,,,,..8.09,,!,1,P,O.1,49,N hOmM14...

, g 6, A :, ' -.2 ::: 2. ;. A .7. .: 4 !"- '; : z> Z Z ."4 s e m; .- e .. oi .., e.,.... n .-s r, ss, e, ... rs P. e:, . ni :::,:-'^
'..,? ..2 2 :2:;SZ2R:g:ZZ:g. .::XgZg '?:::2.7.. ar, of n s s PS , ri 9 .r, I, ,, P, P% 4. , 4, N, Ro NI I% .! ''. . 4 . 4:gg: 2 ;;R:::::::!;' 241::P,Z!Zn,,:? 14$;:, s : s.i...i..n....i....,, ,Pir o, eir e nn ,1Z4RR!2 :ZZ 1.11 ,,P.f4 ,,,

.9e ct

2ZZO:1; , ..;2g 6 2U 7., s?:2 . . rl:77 ,g 52 ;0 ' 01.... 0.1.... s ss . . 1, e ... , , IN .," ,, f e, pa ., r r. s.., g NZ i is. r. .: 2 g .7. PI

;;X?.2
;

3 : :2 g : A r. ^: 2 ;:', T, : : & : Z 2 r..' ::: 2 :. -, N ': : g -,

n. s-,

e r

nz: R::.7 r. :,.. ,.: ...; .

Z4

wi si vi r. .4

zg

:::::;?,?..7:,x,x1..2--,,, a. 7.:7?..,
. . . ... .1- .. ..i .i rs ss

ri

os z g ai ''. '. .828

:.7:5,?.:7.,..r.,,r..::::
.6 ...; ..i -

N...; e

,;;Cr;:r. :.*:!t* ,:; -- ". ":2.7-2%.%:.-

...2";; gg=g , ,'.2 7.::S.::-.92--: 51:R zznx= z:Rz:::",s- -

"."

:;:+,?:7

A?-:,.z

2 -- 3:2

r:X;.'"'"" - ?....m .i

--'-'-'-"

-- 'gx..7=ZgZ7;gZ iist2R8

281

F TABLOSU ( cc = 0.05 iin )

222*% r.';' .5, 137.23.5*:33,

(EK V)
2Z3Z2327.74n8

.-

ozt 061 09 OC

v.......
A

,gg ::;$42;-,Z::::Xg2:g -s:2::27..1:" ,-0 33:.....4.e,,4.0.4M4,MM... s .

.7.%:7Z145z7e.,,IRR!=82::4S322--...22
. .. .
g ... .0, ,,,h.f.NNh

.28gtle ..%:=21::X8232ZR ,:....nr nft . wa n.a.....,4ft ;2

r47.......:R

4, 2:C2.7.RSZ2Z -4XAr.?.:.'=z;gz:t::12:,...,..,4, s"............... .. . . .. :zr.- .28-..... KZer.:2;;2.s.T...-^-g.lz2; ,A . ...................4-Z.14..Z...7

'..

az 91 I Ot 6 9 L 9 C Z

9,5:2Sz.........
sssss . s ..

....,t0,./Mh..h.(NO.4.4,0f.r.....1,4.,..

.Vg:2.7=2:2*1.7 174r4R=gPSZ247;::?".Z '4. .... ...

01 ,. . .0,-...e.r. ,.M.,M1.4..!Orv f4'.

ssss

ZZ;:87, XMr.:221 ' 4X,kgggreg" ^^" t32::Z

...0,MO, 04M1f.f..NM soft.I...M~4.4., sss

..9!!..zszAz --,- "3A2g:zg.?.ZR2?".3::: -4.. ... ,

1 . .

,, ,C.NT.. s7roN ft...M04.f.M1MNNt.... sss

.2 ,,XzEtrz5!=r4:!Zggz . :::M :::RX.%g..%74, . .. . .................-.. .;;:az ,.., r!:%.;:::Z:4.7.1:::9:;AAZgn.%4292: x...-............................=3:?..gz .... ne,m,,,ome...
4.4 .A.....,nr ,..-

.7-7,:.1:::,%;;*gRg?..Ss
MNN

..rte.e.he ve.....,.fte*

.ghe,, :;3 ..... 2227..:,.

mn.,...le.c..r...m.evev.t..

.w.:Xr47 9 ..o.

74

1.2g=3: 0 .R;gS 7. .. ....227. . .............. .................. . .

-4,
......... mel..1.,,,,,

7Ag?.,=5 .;:7,2. - "^ , "^ - :;2:7,

..o.r..mne.nevro.0,m

Z .-

.....M.:rg: SZ:i:ZAZZZ 9g ^ '; . : .r, enno ,mmn ,,,mme nrer .e. ftrafte.vn n ,

5;

..8:ZZ:'!.??1,', '-"-' . r..m..,

......

r nne

n.m.el

.S . - "'",;;;;.1X2;12:'.mnetrenn,nn.o,me . " 35:Z ge7. Ir., . ......e , .

....:=2 7:::

=:::2Z2.7,:::;Xg

.-.4.,..

ool

..

g.z.r4;2r.ZZXZR.95R9

Osma for A verages Factors for Conlrol Limits A 2.121 1.732 1.500 1342 1,225 1.134 1.061 1.000 0.949 0.905 0,866 0.832 0.802 0.775 0.750 0.728 0.707 0.688 0.671 0,655 0.640 0.626 A, 1.880 1.023 0.729 A,

T c.
1., 0.7979 0.8862 0.9213 (1.9400 0.9515 0,9594 0,9650 0.9693 0.9727 0.9754 0.9776 0.9794 0.9810 0.9823 119835 0.9845 0.9854 0.9862 0.9869

Chart for Standard I/evi:Mons Factors for Center Line Factors for Center Line B 2.606 2.276 2088

('harf for R a nges

Observaiions in Samplc. 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 1 8 9

Fnelors for Control Limit%

Faclors for Con(rol Limit% d, 0.853 0.88R 0.880 0 0 0 D, D, 3.686 4.358 4.698 4.918 5.078 5.204 5.306 5.393 5.469 5.535 5.594 5.647 5.696 5.741 5.782 5.820 5.856 5.891 5.921 5.951 5.979 6.006 6.031 0 0 0 0 (1 0.076 0.136 0.184 0.223 0.256 0.283 0.307 0.328 0.347 0.363 0.378 0.391 0.403 0.415 0.425 0.434 0.443 0.451

V.,
1.2533 1.1284 30854 1.0638 1.0510 1.04230 0363 0317 .0281 0252 0229 0210 0194 .0180 .0168 .0157 .0148 .0140 .0133 .0126 0 0 O

B,

/1. 3,267 2.568 0 11 O

0,

d.,
1.12% 1.693 4059

IA, 0.8865 0.5907 0.4857

D,

D, 3.267 2.575 2.282 2,115 2.004 1.924 1.864 1.816 1.777 1.744 1.717 1.693 1.672 1.653 1.637 1.622 1.608 1.597 1.585 1.575 1.566 1.557 1.548

2.659 1.954 1.628

0.577
0.483 0.419 0.373 0.337 0.308 04285 0:266 0.249 0.235 0.223 0.212 0.203 (1.194 0.187 0.180 Q 173 0.167 0,162

1.427
1.287 1.182 1.099 1.032 0.975 0.927 (11(86 0.850 Q817 0.789 0.763 0.739 0.718 0.698

0
0.030 O I 1% 0.185 0.239 0.2R4 0.321 0.354 0.382 0,406 0,428 0.448 0.466 (1.482 0.497 0.510 0.523 0,534 0.545 0.555

2266 2.089
.970 .882 .815 .761 .716 .679 .646 .618 .594 .572 .552 .534 .518 .503 .49(1 .477 .466 .455 .445

(1
0.029 0.113 0.179 0.232 0.276 0.313 0.346 0.374 0.399 0.421 0.440 (1.458 0.475 11.490 0.504 0,516 0.528 0.539 0.549

1.964
1.874 3806 1.751 1.707 1.669 1.637 1.610 1.585 1.563 1.544 1.526 1.511 1.496 1.483 1.470 1.459 1.448
;

2.326
2.534 2.704 2.847 2.970 3.078 3.173 3.258 3.336 3.407 3.472 3532 3.58% 3.640 3.689 3.735 3.778 3.819

0.4299
0.3946 0.3698 0.3512 0.3367 0.3249 0.3152 0,3069 0.2998 0.2935 0.2880 0.2831 0.2787 0.2747 0.2711 0.2677 0.2647 0.2618

0.864
0.848 0.833 ((.820 0.808 0.797 0.787 0.778 0.770 0.763 0.756 0.750 0.744 0.739 0.734 0.729 0.724 0.720

O
0 0.204 0.388 0.547 0.687 138 I 1 0.922 1.025 1.118 1.203 1.282 1.356 1.424 1.487 1.549 1.605 1.659

20
21 22 23

0.680
0.663 0,647

0.9876
0.91382

.0119
.0114

24
25 > 25

0.612
0.600

11157
0,153

0.633 0.619 0. 606

0.98137 0.9892
0.9896

.438

10 09
.0105

1,429

0.565

.435

f1559

1.420

3.858 3.805 3.0.31

0.2592 0.2567 0.2544

0.716
0.712

1.710
1.759

(3708

1.806

6.056

(1.459

1.541

A=

A 3 3 c4 12(n - 1)
3

3
C4 s

4(n - 1)
C
_

.sIn
By I

Ft

4n -

3 3

13 4 - +

c 4 ,12(n
3

1)'

By

C4 -

2(n - 1)

B6 = C4

/2(n 1 )

283

KONTROL SINIRLARI IN HESAPLAMALAR ( EK - VII) TABLOSU

NotatIons

UCL Upper Control Limi,,g LCL - Lower Control Limit CL - Center Line n - Sampk Size PCR - Process Capability Ratio - Process Standard Deviation

- Average of Measurements
- Average of Averages
R

- Range - Average of Ranges USL Upper Specification Limit LSL Lower Specification Limit

Varlabkra Data (gond R Control Champ

Control Chart UCL = 2 + A z l - A 2A LCL CL = 2 Control Chart D, UCL LCL = A D3

CL

Az

D3

D,

d2

2 3 4 5 6 7
8

pability Study PCR = (USL - LSL)/(6" where d = fd/d2

9 10

1.880 1.023 .729 .577 .483 .419 .373 .337 .308

0.000 0.000 0.000 0.000 .076 .136 .184 .223

3.267 2.574 2.282 2.115 2.004 1.924 1.864 1.816 1.777

1.128 1.693 2.059 2.326 2334 2.704 2.847 2.970 3.078

Data (p, cp, c, and u Control Charts#:

Control Chart Forrnulas

p (fraction)
np (number of nonconfornaing) c (count of , nonconformances)

u (count of nonconformances/unit)

CL UCL LCL Notes d 3

15

ri E,
n + 3V nRI - "fi) ni' , - 3,,, nffil - fi) n must be a constant

E
E + 3,,ri E- 3

ri
ii

-3 il n varies, use F: ot individual ni

,ri

n must be a constant

If n varies, use ii or individual n,

284

TESADF SAY LAR TABLOSU

10480 22368 15011 46573 48360 93093 39975 06907 72905 91977 14342 36857 69578 40961 93969 61129 97336 12765 21382 54092 53916 97628 91245 58492 32363 27001 33062 72295 20591 57392 04213 26418 04714 69884 65795 57948 83473 42595 56349 18584 89634 62765 07523 63976 28277 54914 29515 52210 67412 00358 68379 10493 01536 25595 22527 06243 81837 11008 56420 05463 63661 53342 88231 48235 52636 87529 71048 51821 52404 33362 46369 33787 85828 22421 05597 87637 28834 04839 68086 39064 :5669 64117 87917 62797 95876 29888 73577 27958 90999 18845 94824 35605 33362 38720 39475 06990 40980 83974 33339 31662 93526 20492 02011 85393 97265 61680 16656 42751 69994 07972 10281 53988 33276 03427 92737 85689 08178 51259 60268 94904 58586 09998 14346 74103 :4200 37308 07351 96423 26432 66432 26422 94305 77341 56170 55293 38604 12908 30134 49127 49613 7817! 81263 64270 82765 46473 67245 07391 29992 31926 25388 70765 38391 81647 '30995 76393 07856 06120; 27756 98872 18876 17453 53060 70997 49626 88974 48237 77233 77452 89368 31273 23216 42698 09172 47070 13363 58731 19731 24878 46901 84673 44407 26766 42206 86324 18988 67917 30883 04024 20044 02304 84610 39667 01638 34476 23219 68350 58745 65831 14883 61642 10592 91132 91646 89198 64809 16376 91782 53498 31016 20922 18103 59533 79936 69445 33488 52267 13916 16308 19885 04146 14513 06691 30168 25306 38005 00256 92420 82651 20849 40027 44048 25940 35126 88072 27354 48708 18317 86385 59931 51038 82834 47358 92477 17032 53416 82948 25774 38857 24413 34072 04542 21999 69179 27982 15179 39440 60468 18602 71194 94595 57740 38867 56865 18663 36320 67689 47564 60756 55322 18594 83149 76988 902291 76468 94342 45834 60952 66566 89768 32832 37937 39972 74087 76222 26575 18912 28290 29880 06115 20655 09922 56873 66969 87589 94970 11398 Z2987 50490 59744 81249 76463 59516

(EK -VIII)
14194 53402 24830 53537 81305 70659 18738 56869 62300 05859 72695 17617 93394 81056 92144 44819 29852 98736 13602 04734 26384 28728 15398 61288 14778 81536 61362 63904 22209 99547 36086 08625 82271 35797 99730 20542 58727 25417 56307 98420 40836 42878 80059 83765 92351 35648 54328 81652 62590 93965 49340 71341 49684 90655 44013 625% 1 4 08158 90106 52180 30015 01511 97735 49442 01188 71585 23495 51851 59193 58151 35806 46557 50001 76797 86645 98947 45766 71500 81817 84637 40801 65424 05998 55536 18059 28168 -44137 61607 04880 369: 775 80287 39911 55657 97473 56891 02349 27195

24130
42167 37570 77921 99562 96301 89579 85475 28918 63553 09429 10365 07119 514185 02368 01011 52162 07056 48663 54164 32639 29334 02488 81525 29676 00742 05366 91921 00582 00725 69011 25976 09763 91567 17955 46503 92157 14577 98427 34914 70060 53975 76072 90725 64364 08962 95012 15664

285

KI-YNL NORMAL TOLERANS SINIRLARI 'ON ( EK - IX) FAKTORLER TABLOSU

90% Confidence That Percentage of Population Between Limits Is 95% 99%. 90% 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 29 30 35 40 15.98 5.847 4.166 3.494 3.131 1902 2.743 2.626 .1535 2.463 2.404 2.355 2.314 2278 1246 2.219 2.194 2.172 1152 2.135 2.118 2.103 2.089 1077 2.065 1054 2.044 2.034 2.025 1.988 1.959 1.916 1.887 1.848 1.822 1.764 1.717 1.695 1.645 18.80 6.919 4.943 4.152 3.723 3.452 3.264 3.125 3.018 .1933 2.863 2.805 2_756 2.713 2.676 2.643 2.614 7-588 2.564 2.543 2.524 2.506 1489 2.474 2.460 1447 2.435 1424 2.413 2.368 1334 2-284 1248 2-'02 2.172 1102 2.046 2.019 1.960 24.17 8.974 6.440 5.423 4.870 4.521 4.278 4.098 3.959 3.849 3.758 3.682 3.618 3.562 3.514 3.471 3.433 3.399 3.368 3.340 3.315 3.292 3.270 3.251 3.232 3.215 3.199 3.184 3.170 3.112 3.066 3.001 2.955 1894 2.854 2.762 2.689 2.654 2.576 95% Confidence That Percentage of Population Between Limits Is 90% 95% 99% 3102 8.380 5.369 4.275 3.712 3.369 3.136 2.967 1829 2.737 2.655 1587 2_529 2_480 1437 2.400 2.366 2.337 2.310 /286 1264 1244 2_225 2.208 2.193 2.178 2.164 2.152 1140 2.090 2.052 1.996 1.958 1.907 1.874 1.798 1.737 1.709 1.645 37.67 9.916 6.370 3.079
4.414

rt

99% Confidence That Percentage of Population Between Limits Is 90% 95% 99% 160.2 18.93 9.398 6.612 5.337 4.613 4.147 3.822 3.582 3.397 3.250 3.130 3.029 2.945 28'72 2.80 2.7n 2.703 2.659 2.620 2.584 2.551 2.522 2.494 1.469
2.446

48.43 1186 8.299 6.634 5.775 5.248 4.891 4.631 4.433 4.277 4.150 4.044 3.955 3.878 3.812 3.754 3.702 3.656 3.615 3.577 3.543 3.512 3.483 3.457 3.432 3.409 3.388 3.368 3.350 3.272 3.213 3.126 3.066 7-986 2934 /816 1721 2.676 2576

188.5 2140 11.15 7.855 6.345 5.448 4.936 4.550 4.265 4.045 3.870 3.727 3.608 3307 3.421 3345 3.279 3.221 3.168 3.121 3.078 3.040 3.004 2.972 2941 2914 2.888 2.864 /841 2_748 1677 2.576 1506 /414 7_355 7-222 2.117 2068 1360

242.3 29.06 14.53 10.26 8.301 7.187 6.468 5.966 5.594 5.308 5.079 4.893
4.737

4.007 3.732 3.532 3.379 3.259 3.162 3.081 3.012 1954 2-903 2.858 1819 2.784 1752 2.723 2.697 2.673 1651 2-631 2.612 2.595 2.579 2.554 2.549 2.490 2.445 2_379 2.333 2.272 2.233 2.143 2.070 2.036 1.960

4.605 4.492 4.393 4.307 4.230 4.161 4.100 4.044 3.993 3.947 3.904 3.865 3.828 3.794 3.763 3.733 3.611 3.518 3.385 3.293 3.173 3.096 2.921 2.783 2.718 2.576

1424 2.404 2.385 2.306 ?_247 2.162 1103 1026 1.977 1.777 1.736 1.645

so
60

80 100 200 500

286

EK- X GO'VEN L RLI N TAR H VE ORTAYA K

Gveralirlilik, II. dnya sava sonrasnda hzla geli en silah teknolojisinin ortaya kard bir konudur.1950 'terden itibaren zellikle sivil uak ve elektronik sanayii dallar nda da konunun nem kazanmaya ba lad grlm tr. Gvenilirlik teknikleri zellikle 1950 ve 1960'11 yllarda uzay programlar nda olduka geni biimde uygulanm tr. Bugn yksek teknoloji ile karma k mamuller reten byk firmalarda gvenilirlik mhendisli i(reliability engineering) ad altnda ayr departmanlan vard r. Gvenilirlik mhendisli nin temel grevi ; mamuln kullarul nda saptanan sreden nce ar zaya neden olabilecek hata kaynaklar n aratrmak ve mamuln dizaymndan kullanma ve servis talimat nn bazulan na kadar olan e itli aamalarda gerekli nlemleri almakt r.

GVEN L RL K NED R?
Bunu bir ka omekle anlatmaya al p daha sonra da esas tan mlaruu verelim. rnein;bir ampul 1000 saat bozulmadan kullan lmak zere dizayn edilmi olsun. E er her 100 ampulden ortalama 15 tanesi 1000 saatten nce bozuluyorsa ampuln gvenilirli i yani 1000 saat iinde bozulmama olas l 0,85 tir denir. Ancak burada al ma ko ullarnn da belirtilmesi gerekir. E er ampuln 220 volt gerilim alt nda al mas ngrlm ise kullanma yerinde voltaj n 180-240 aras nda sk sk de i mesi gvenilirli i 0,85 'in bir hayli alt na d rr. Di er taraftan ampullerden bir k smnn 1000 saatten daha uzun sre ar za yapmamas da mmkndr. Fakat bunun gvenilirlik de eri zerinde bir etkisi oldu u sylenemez. Televizyon ,hesap makinesi ,otomobil,uak,g santrali,elektrik motoru gibi mamuller iin de benzeri rnekler vetilebilir. Bir rn olu turan para say s art ka istenilen bir gvenilirlik derecesinin gerekle tirilmesi gle ir. rne in 100.000 paradan olu an bir filzeyi ele alal m. Paralardan herhangi biri hatal ise fze hedefe ula mamaktad r. E er her para 0,9999 gvenilirlikle imal edilebilirse yani 1 0.000 paradan birinin hatal olmasna izin verilirse ,10 fuzeden sadece biri al abilir. Gvenilirli i %10 dan %95 dzeyine karabilmek iin ise paralar 0,9999995 gvenilirlikle veya iki milyonda bir hata olas l ile imal etmek gerekir. Son rnek olarakta basit bir elektrik motorunu verelim. Bu elektrik motorunun rotor ve stator gibi iki ana paradan meydana geldi ini d l nelim. Bu iki paradan biri veya ikisi de hatal ise motor al mamaktad r. Ayr departmanlardan gelen r u-lardan tesadfen seilen rotor ve statorlar montaj band nda bir araya getirilmektedir. E er imalatta her 6 statordan 5'inin ve her 6 rotordan 5'inin sa lam kmas garanti edilebiliyorsa montaj yap lan her 36 motordan ancak 25' al r. bunu olas lksal olarak da yle ifade edebiliriz. Rotor ve statorun salam kma olasl eit ve 5/6 d r. Dolay syla motorun salam kma olas l (5/6).(5/6)=25/36 d r. Buradaki olas ln paralar n gvenilirlik olas lndan daha d k kma sebebi de arpan say snn yani para say s nn artmas dr. Grld gibi sadece iki paradan olu an bir elektrik motorunda bile para say s gvenilirlik zerinde etkilidir. Bu rne i ekil yardmyla incelersek de bu sonuca rahatl kla varabiliriz. ( ekil 1)

CS] C:E KI] 1E 131 CS:1 CE Li l l Il [Di. r_Sri ES1

2.rotor 3.rotor 4.rotor 5.rotor 6.rotor Rotor Stator

EKim 1 imdi de bu rnelderden yararlanarak gtiverlirli n esas tamm n yapal m. Gveniliriik. Bir sistem ,bir ayg t veya bir malzemenin belirli al ma ko ullar alt nda ve belli bir zaman sresi iinde kulland rken ar za yapmama olas lna "Cruvendirlbc" denir 1.nli ce kar l -reliability", Frans zca kar l ise llabilite" oldu u iin gveniFrlik fonksiyonu baz kitaplarda R(t) baz larnda ise F(t) olarak ifade edilmektedir. Yukar da verilen tan m gvertirli i.n en temel tarum dr. Aka grlyor ki g venilirlik u terimlerle aklanabilir 1-)Verilen grevin ba ar olasl 2-)Ar za olumasna kadar geen zaman 3-)Anzazun tekrarlanmas iin geen zaman Yedek paralar iin ncelikle ar za yapabilecek paralar tespit edilir bunun iin kullanma ve kullanm sin-esine bal olarak paran n maruz kalaca tahribatlar gz nne al nr. Bu tanundan da grld gibi gvenilirlik ile kalite aras nda ok yakn bir ili ki vardr Kalitenin dizaymnda seilen veya hesaplama kriterterden pek o u do rudan tr am ln gveni&Il ili etkiler. Kullan lan malzemenin dayan klili ve malzeme miktar gibi kalite karakteristikleri genellikle mamultin belirli bir sre anzas z al masn salar. Ayr ca iretimden sonra yap lan muayene i lemleri s rasnda hatal paralarn arklantnas da ortaya kan rnn gvenilirli ini artrr.

288

GCSVF.NIL RL ETK LEYEN FAKTRLER:

Bir mamuln gverilirti ini etkileyen ba l ca faktrler olarak performans,ali tirrna koullar: ve kullanma sresini syleyebiliriz. Bu faktrlerin Ureticiyi, hatta daha da fazlas teketiciyi ilgilendirrnektedin retici ve tketicinin baz durumlarda kar kar ya gelmelerine neden olan olaylar genellikle rn kullanmadan ve rnn evre ko ulanndar etkilenmesinden kaynaklanmaktad r. Drne imbir araba aksl ortalama 2 y l arza yapmadan al mak zere retilni,tir. Fa' n kullaral biiHi ve evre ko ularndan etkilenmesi tketiciye gre de i iklik gskat akun terir. Bu de i iklikler nedeniyle de aknn ortalama olan 2 y llk alma sresi der. (aracn her gn ah terdmas veya uzun bir sre al trhnamas yada ak so uk veya ok s cak iklimde bulunulmas gibi) Kullanma ve evre ko ullar zelikle lkemizde a r miktarda e itlilik gstermektedir. Bu eitlilik yznden rnn her arta uygun olarak dizayn edilmesi mmkn de ildir. Bu nedenle retici ve tketici aras nda oluan anlamazlklar bir dereceye kadar do al karlanabilir. Ancak bu yap lrken reticide bu nedenlerden dolay ortaya kan hatalar en aza indirmeye al arraldr. Gver llirli i etkileyen di er faktrlerde yle sralayabiliriz :

1 Mam d dizayn : B mun iin yeterli bir bilgi ve i tecrilbesi.ne sahip olmak gerekmektedir Bunun yan nda urdara da dikkat etmek gerekir
.

a-) Imalat yntemleri , tezgah olanaklar ve rea-lanan retim neiktartaranin dizayn trlmas ve de erlendirilmesi. zerindktla b-) mr, gvenlik , tamir-baktm kolayl ve maliyetleri ile ilgili bilgilerin toplanarak marnul dizaynna yanswilmas . c-) Tama , ambalaj , depolama , montaj , ve yanl kullanmann gvenilirlik zerindeki olas etkilerinin ara trlmas ve gerekli nlemlerin al nmas d-) evre ko ulannn , rnn tm ve baz kritik paralar zerindeki etkisinin veya kullanma esnasinda evrede meydana gelebilecek de iikliklerin incelenmesi. e-) Malzeme zerinde; yor drna , titre im , korozyon , a nma , nem vb etkilerin yapaca olumsuz de i iklikler. f-) Standart para ve yeni malzeme kullanma olanaklara Dizayn a amasnda rnn sadece teknik a dan mkemmel olmas yeterli de ildir Dizayn tamamland ktan sonra geriye dnerek tm paralar yeniden incelemek ve hatalar dzeltme , maliyetleri d rme , yeni malzeme kullanma ,nceden akla gelmemi alternatifleri deneme gibi konularda aba harcamak gerekir.

2 imalat hatalar :Do al olarak bir retim hatt nda retilen rnlerin %100 sa lam kmas
-

ve rr ontaj n kusursuz yap lmas istenir. Kalite kontrol a snda %100 hatas z retim gereki ve ekonomik olmayabilir. Fakat baz durumlarda gvenilirli in tam olmas istenir. Bu nedenle kritik para ve rnler iin gCrvenilirlik departman bamsz muayene ve test uyguLayabilir. 3 Kullanma ve evre ko dlarndaki dffi.'neler. Dizayn kriterleri tespit edilirken gz nne alnan kullanma ve evre ko ullar reticinin kontrolnde olmayan nedenlerle de i ebilir Tketici cephesindeki her trl de i meler guvenirtili i olumlu o u kez de olumsuz etkiler. Bu yzden tketici ile srekli ili ki kurma ve geri besleme bilgilerini toplama= nemi burada
-

289

ortaya kar. Toplanan bilgilerin en k sa sre de de erlendirilerek dizayn zerinde gerekli dei ikliklerin yap lmas bu tr sorunlar n zmlenmesini 541u.
4- Alternatif aziintler: I letme problemlerinin genelinin birden fazla zm vard r. Bu ku-

ral guvenilinik iinde geerlidir. Herhangi bir gvenilirlik sonuta ekonomik olmak zorundad r. Ayn rnaliyetle daha yksek gvenilirlik veya ayn gvenilirli i daha rtnnk maliyetle elde etmenin yollan ~nah , dizayn , kullanma , ve evre parametreleii zerinde de i iklik yaparak maliyeti drme olanaklar zerinde durllnal dr Baz hallerde aniver irlili& d rlmesi bundan do an sakncann tamir-bak m kolayl , ucuz ve bol yedek para sa lanarak giderilmesi daha ekonomik olabilir. Alternatif zmler aras nda zellikle evre ko ullanm.n olumsuz etkilerini giderecek nlemler alinmael ve kullan m= evre ko ular bakm ve talimata uygun altrmat konular nda eitilmesi zerinde daha yo un aba harcamak yerinde olur.
5- GlIvenble rnn ar za yapmas evre, makine ve malzeme zerinde byk zararlara yol

amyorsa(&rze rne i gibi) ,byk bir retim sisteminin tamamen durmas sz konusu ise ve hepsinden nemlisi inanlann hayat tehlikeye giriyorsa gvenlik faktr on plana kar. rnein yeni bir yolcu ua anda uu gvenli ini salamak amac yla yap lan ara trma ve deneylerin maliyeden astronomik bormad r. Yine ulusal gvenlik iin geli tirilen silah ve savunma sistemlerinde ncelikle belirli bir gvernrli in salanmas hodefienir. Ancak bu mal ve can gvenli inin maliyetler ne olursa olsun mutlaka sa5lanaca anlamna gelmez. zellikle can gvenli inde vazgemek mmkn olmayaca iin ayet rn ki ilerin can gvenli i iin bir tehdit olastunworsa retimden vazgeilir
.

6- Arza nedenlerinin etkinli i: Karma k bir rn de ok e itli paralar ar za nedeni olabilir.

Bu nedenlerin her birine gre ar za meydana gelme olas l farkl dr. Bilinli gvenilirlik hesaplarna gre tasarlanan bir mamulde ar za nedenleri aras nda byk olas lk farklann n bulunmamas gerekir. Fakat tasar m hatalanndan ok paralar n yap sal zellikleri bir k smnn arza nedeni olarak daha fazla nem kazann asuu ea lar Risk ta yan paralar zerinde ara t rma ve deneyleri yo unlatrarak gvenilirli i daha d k rnaliyetle artt rmak mmkndr. Aynca ar zalann neden olduklan kay plara gre suufianchnlarak incelenmesi de gerekir. rne in , bir otomotiv firmas aralar ndaki anzalan yle sunfia.nd nru tun (1)Arac n ve yolcular n gaver Vgi ile ilgili anzalar. (2)Firman n itibarn sarsacak nitelikte analar (3)Tamir maliyeti yksek olan ar z_alar. (4)Tketiciyi rahats z eden ar zalar. Bu ekilde grupianan ar za nedenlerinin frekanslan b~lerine gre s ralan rsa ( elciL2) deki grafik elde (edilir. Ar za nedeninin giderilmesinde bulunduklar gruplar gz nne al narak deiik nlemlere ba vundur. rne in ; birinci gruptakiler daha ok tasar m aratrma ve deneylere a rlk verilerek giderilirken , son gruptakiler garanti sistemi ikayet servisi ve sat acentalar yardm ile giderilmeye ali a r Anzalann byk o unlu unun kayna olan az say daki neden zerinde durmak gereldr. ekilde grld gibi ilk alt nedenden kaynaklanan arza oran %67 dile

290

Bu ekilde gverlirli i artt rmak amac yla harcanacak zaman ,para ve i gcn daha etkin kullanma olas l ortaya kar

Aralardaki anza nedenlerinin frekanstanna gre da l m 2015o 10 -

5
t-

Cr) CO
s

0)

CNIkr>
C"1 C9

Arza nedenleri
EICii 2

SISTEMLERIN GeVEN LIRLI I

Sistem aralar nda herhangi bir ekil ili ki veya ba rnithle bulunan bile enlerin olu turdu u bir btndr. Buna gre birden fazla paradan olu an her rn bir sistemdir. Paralar n sistem ierisindeki grevlerinin niteli i ve aralar ndaki ili kiler rnn gvenilirlik derecesini belirler. rnein; gveailirii i %65 olan bir paran n arza yapmas halinde tm sistem al amaz durma geliyorsa di er paralar n gvenilirlik ok yksek olmas hibir anlam ifade etmez. Bazen bir paran n grevini yapamaz duruma gelmesi sistemi deil di er paralar n gvenilirliklerini etkiler. Byle durumlarda sitem gvenilirli inin hesaplanmas daha da gle ir. Bu nedenle gvenilirlik ara trmalar nda karma k sistemlerin bir btn olarak ar za eiliminin saptanmas na allr. Karma k sistemlerde ar za oranlar nn zaman gre de i imi genellikle ayn eilimi gsterir. eklinden dolay banyo k lveti e risi (bathtub curve) ekil 3 ad verilen eri zerinde si stemin mrandeki karakteristilcleri ay rt etmek mmkndr. Bu e riyi izmek iin ilk kullanm anndan ba layarak ekonomik nnriin sonuna kadar geen sre iindeki arza zamanlar kaydedilir. Bundan sonra birim zaman aral ndaki ar za oranlar (failure rates) hesaplanarak zaman desenine gre e ri iziir. ekilde de grld gibi bu eri de, sistemin ekonomik omrnde olan de i meler ,4 dnemde incelenir.
-

291

Eskimeye Ba l Arza E}GtL-3 Karma k bir sistemin ama e ilim erisi 1.dnem:Artza oran nn yksek ve de i ken oldu u bu arala erken ar za (Early Failures) tasar n ve imalat tatalanndan kaynaklanan ar za biimidir. Ayr ca ta ma ,ambalaj ve montaj srasnda ortaya kan hasarlarda bu dneme girer. Bunlar rn tketiciye ula madan nce yap lan testler ve kontroller s rasnda bulunur ve giderilir. E er sre uzun ise anzalar garanti kapsam na alnr.
2.dnem: Analar kontrol alt nda tutulamayan tesadfi etkenlerle meydana gelir. Bu dnem

iinde ar za oran sabit olup rnn gerek tasar m kalitesini veya gvenilirli ini yans tr.
3.dnem:Anza orannda hafif bir art grlr. Nedenler yine tesach fi olmakla birlikte

eskimenin de etkisi vard r. Gerekli tamirler yap larak rnn mr uzablabilir Baz kaynaklarda ikinci ve nc dnem tek bir dnemmi gibi kabul edilir ve bu arza dnemi denir. Bu dnemlerde kan sorunlar kritik paralar n yeclekledneme tesach-fi rini koyarak giderilebilir. zellikle can gvenli i veya byk zararlar n sz konusu oldu u durumlarda maliyetine baklmakszn bu yntem uygulan r (Uzay mekiklerinde bulunan yedek iticiler gibi.) 4.dne n:Esle;~ a nma yorulma gibi nedenlerle kan ar zalann say s hzla artar. Tamir' drlebilir , fakat k sa bir sre sonra mr sona erer. Bu dbakm ile sistemin al mas sr neme eskimeye ba l arza dnemi denir. Bu dnemde al nan nlemler genellikle eskime dneminin zarnarundan nce ba lamas n nlemeye ynelik olmal dr

292

imdi bunu bir rnekle anlatal m: Zaman faktrn ieren gvenilir& tanunLamasun ve kurallar n 1985 ylnda Miller ve Freund aa daki rnekle yapm lardr. (Eski ve Yerd Arabalar) Yeni bir araba sana al nmtr. ilerleyen 4 gn iinde tamire gitmi tir ve toplam 4 saatlik bir bakm yap lmtr. Sorun elektronik sinemdedir. Ba lang ta sorun akl kapaklar ndan (kutup balarndan) birinin kaybolmas ve aknn bo almas dr. Bu, srayla elektronik aksarnda anzalara yada teklemelere yol am tr. Neticede bu sorunlar n hepsi zlmu ve yap lan ufak tefek ayarlamalar d nda iki sene boyunca mkemmel al mtr. E er neden yeni bir araba satn alnd merak edilirse; Eski araba 94000 mil yapm tr ve so uk k sabahlannda al mamaktad r. Sonuta ayhk tamir-masraf 375 bulmaktad r. Hi kimse yeni ve byk bir sorunun yada anzalamnan n ne zaman olaca n bilememektedir Bu rnek bize genel bir durum, tablosu ortaya koyuyor. Ilk zaman diliminde yksek oranla erken olu an anzalar,ortada ki zaman diliminde ise d k bir oranla ans faktr,bir sonraki zaman diliminde ise y -ilcqek bir oranla eskimi olmasndan dolay olu an analar. Elektronik endstrisinde ise erken olu an hatalar acil hatalar olarak tan mlarn. Bu dnem ekil 3 de grlebilir. ARIZA DA ELIM KaAREKTER SII Pratik a dan bir rnn ar za yapmadan alabilece i sre tketiciyi ncelikli olarak ilgilendirir. Tamir edilip tekrar servise girebilen sistetnlerde iki ar za aras ndaki sre olarak tanmlanan bu de erin de iimi gavenilirli i belirler. Analar aras ndaki sre (AA.S )de erlerinden yararlanarak belirli zaman aral klarndaki arza= al ma olaslklar bulunabilir. rne in bir sistemin normal al ma dnemleri (2ve 3 .Dnernier) iindeki 50 ar zann 20.1 ; 21.3 ; 23.7 ; 24.1 ; 26.5 ; 91.3 ; 92.7 ; 98 J inci saatlerde meydana geldi i grlm tr. Anzasz alma sreleri incelenerek 0-0.99 ; 1-1.99 ; 2-2.99 ; 3-3.99 ; 4-4.99 ; 5-5.99 geni li indeki zaman dilimlerinin her birinde kaar tane anzas z al ma bulundu u tespit edilirse ekil 4 teki grafik elde edilir Bu histogram yakla k olarak stat bir fonksiyonlar de i irnini gstermektedir.

A A SH STOGRAMI
30 25 20 15 10 5 0123450,99 1,99 2,99 3,99 4,99 5,99 AAS 5E1.11.4

293

Belirli bir sreden daha fazla ar za yapmadanal ma olas l kullan m iin daha anlaml bir gstergedir. Bunu yukar daki rnekle gsterirsek belirli zaman aral klanna kadar olan anzas z alma say larn toplamak yeterliclir. rne in sistemin iki saatten fazla ar za yapmadan al ma olasl iin ; 4+2+3-4-2 49 %22.5 Elde edilir Bunu ekil 5 teki histogramda grebiliriz

Birikimll AAS histogram Ar zas z al ma Frekans 50 40 30 20 10 O 0, cn af <7> cr cn_ a rn aN- c' d> cs4

rn

sfi

cn cr

.n-

AAS

EKtl. 5 Birim zamanda ki ar za says (arza oran ) sabit ise sistemin guvenilirli i, R=-e4hn = e-at forml ile hesaplarur. Burada R = En az t kadar bir sre iinde anzas z al ma olas l veya gvenilirli i, e = 2,7183 do al logaritma taban say s t = Ar zas z alma sresi m = Iki arza aras nda geen ortalama sre (AAOS) k = Birim zamandaki ar za say sr( I /in) olarak tan mlanmtr . Formln uygulanmas n basit omeklerle gsterelim. :Bir radar sisteminde iki ar za aras nda geen ortalama sre (AAOS) 240 saat olarak tespit edilmi tir_ Arza oran nn sabit oldu unu varsayarsak,sisternin en az 24 saat ar za yapmadan akma olas ln bulunuz ? Formlde ;.rn=240 ve t---24 de erleri yerlerine konulursa
rnek t

R= e -2.4rz4o = 0.90 bulunur. Sistemin ar za yapmadan en az 24 saat al ma olasl %90 'dar.

rnek 2

:Bir sistemin en az (AAOS) sresi kadar ar za= al ma olasl nediii istenilen, t--r n iin R nin hesaplanmas dr Formlde t=m konularak,

294

1 z. 'VJ 7 2,7183 bulunur. E er ayn soruya t=2m iin cevap ararursa , R= e -2 = %13 Elde f.41 ilir. Bir sistemin (AAOS) nin iki kat kadar bir sre ar za yapmadan al ma olasl Q/013 tr.

R= e -1 =

rnek 3 :Herhangi bir sistemde(AAOS)'nin de i mesi birim zamandaki gvenilirli i nasl

etkiler? Formlde r=1 (birim zaman) ve (AAOS) iin s ras ile 5,10,20,100 gibi de erler konulursa R iin; 0,82;0,90;0,95;0,99 deerleri elde edilir. Bu problemde ortaya kan ilgin nokta ;(AAOS)'de sa lanacak geni lernelerin R'ye do ru orantb yans marnas dr. Nitekim ,(AAOS) `nin 20'den 100'e 4 kat genilemesi R'yi %95 ten % 99' ykseltmi ,yani sadece %4 hik bir gvenilirlik art salanabilmi tir.
rnek 4 bir sistem A , B , C gibi alt sistemden olu mutur .Alt sistemlerin (AAOS) `teri
:

farkl olup saat cinsinden s ras ile ni=loo , m2- 125, tn3=500 olarak verilmi tir. Tm sistemin 5 saat iinde ar za yapmadan al ma olas ln bulun= ? tm sistemin (AAOS) 'ni bulmak iin nce alt sistemlerin , 1 = 0,002 = =0,01 ., ,t1 =
m,

arza oranlar bulunur ve toplanrsa ;k ,=0,020 ve sonra bunun terli al nrsa ; m ,=50 saat bulu-rn,=50 de erleri yerlerine konularak nur. Yine ayn formlde ; t=5 ve rnR = e -5/5 = %90 bulunur
rnek 5 Her 500 saatte bir revizsiona al nan bir sistem iin verilen (AAOS) de eri 5000

saattir. bu sistemde revizyon zaman na gelmeden nce ar za kma olasl nedir ? nce 500 saate kadar ar za yapmama olas l , R = e-54)3/5 = e-(3' 1 -= %90,48 bulunur ve bu deer birden karhrsa %9,52 elde edilir. Problem tersine sorulsayd . Yani sistemin belirti bir gvenilirlikle revizyon zaman m kadar ar za yapmamastru sa layan revizyon periyodunun (t) bulunmas istenebilirdi. Formln planl bakunda en uygun bakm periyodunun sapt,Inmn.mda kullanlabilece i grlmektedir. E er ayn sistemden pek o u serviste ise , bir k sm 500 saate varmadan revizyona al naca iin ,ortalama revizyon sresi 500 saatten kuktr. Bu sre yle hesaplara.

295

X0 =

R(t)cit = je -""dt
o 300

= m I e -"'" = 5000(1 e -")

= 5000(0,0952) =476 saat tamir edilerneyen sistenderde bir ar za sonunda ekonomik mr sona erer. Gdrnl ffize ve benzeri sisternler iin ortalama ar za sresi (OAS) veya ya ama olasl gvenilirlik iin daha elveri li bir ldr. (OAS) sisteminin ar za yapana kadar gemesi beklenen sredir. Tamir edilebilen sistemlerde (OAS) ile (AAOS) birbirine e inin Tamir edilebilen bir sistem ,anzalann tamir edildi i srelerde kullan m d kalr. Sistemin kullan ma elveri liliini saptamak iin ortalama tamir sresini (OTS) bilmek gerekir. Elveri lilik , a= (AAOS)
(AAOS)+ (07S)

X100

oran ile tarumlatur. Grlece i zere,sisternin elveri lilii sadece tamir sresinc de il ,onun (AAOS) ile ili kisine ba l dr. Sistemlerin elveri lili ini arttrmak iin ar za ikaz sistenderi,haz r yedek para bulundurma, tamir i lemlerini basitledrme , otomatik test cihazlar kullanma gibi nlemler zerinde durulur.

SER VE PARALEL S STEMLERDE GVEN L RLiK:

Bir sistemde ;(1)paralardan herhangi birinin anzalarunas tm sistemin durmas na yol a yorsa ve (2)paralar n gverulirlikleri birbirinden bak msz ise sistemin gvenilirli i arp m kural ile hesaplan r. Buna gre paralar n gverlirlikleri R 1 , R2, R3, . RN ise sistem iin R=R I .R2.R3. . . dir. 1.varsayunda paralar n gvenilirlik a sndan seri baklanchk ifade edildi inden sisteme seri sistem ad verilir. Seri sistem ekil 6 da grlmektedir.

R1

R2

R3

R!

R6

R.

arpun kurahnda tm arpanlar,olas lk tan m gere i birden kk de erlerdir. Dolay s ile bir sistemin gverlirli i en kk guvenilirlige sahip elemarunlcinden yksek olamaz. E er tm paralar n gvendirlikleri e it ise ve R, ise

R.--Nr Yada R, = fl R,
olur. Buradaki r sistemdeki para sars dr
.

296

metin ; Bir seri sistemde btn paralar giri teki i letim sistemi iin al r. rnein bir radyo e er g kayna, alicis,amplif katonl ve hoparirleri al r durumda ise i lev grr yani al r. Btn bu paralar seri halde al rlar ve e er biri anzalamrsa radyo anzalan r Sistemde ki her bir paran n gvenilirli i R, .n tane para mevcuttur. Sistemin gvenilirli i R R. ,e karar vermek iin yle hesaplartr, R.

flR

rnek: Bir haberle me cihan:ida alt sistemlerin 4 saatlik bir kullan m periyodu iin gvenilirlikleri a ada verilmi tir. R Alt Sistem 0.970 Al c 0.989 Kontrol sistemi 0.995 G 0.996 Amen Sistemin seri oldu u varsarl rsa sistemin gvenilirli i ne olur? R.= (0.970).(0.989).(0.995).(0.996) C .950 olur.

rnek : (Kk bir seri sistemin gvenilirli i) Elimizde drt paradan olu an ve sras yla gi" venilirlikleri 0.98,0.97,0.95 ve 0.99 olan kk bir sistemde. Sistem gvenilirli i yle olur R , = (0.98X O. 97X0 . 9 5 X0.99)=4 894

rnek: ( Paralar n gverlirli ini belirlemek) E er bir daktilo 1000 paradan olu uyorsa hepsi al r durumdayken herbirinin gvenilirlikleri hemen hemen ayn dr, bu daktilonun gvenilirli i 0.99 iken herbir paras iin gvenilirli i nedir? Birinci rtnekten yola karak bir hesaplama yapacak olursak 0.9(R her iki tarafnda logaritmas m alnak bu bize in 0.99= 1000 iri R, verir ve bunu zersek R, =099998995 olarak buluruz. Seri sisternlerde para say s artt ka gvenilirlik x71 r Seri sistemlerin gvenilirli ini artt rmak iin ,para say snn az veya paralar n gvenilirliklerinin birbirine yak n olmas ve yftlrPk olmas na al lr.

297

rnek (Bir fze sisteminin gvenilirli i) Bir Taze sistem njn 4000 paras vardr. Herbir paran n gvenilirii i son derece yksektir, diyelim ki,R, =0.9999 ve i=1,...,4000. Bu fize sisteminin al ma olas l yle verilir; R, 0.9999) 44" e er para say s yanya indirilirse, bu fze sisteminin gilvenilirli i R, =(0.9999) 2" =182 otur. Sen sistemde arza bakmndan kritik baz paralara olan ba mhl azaltmak amac ile paralel gilvenilirlik sistemleri olu turulur. Bir para ar za yapt an yede i devreye girer. Her paralel sistemde normal al na iin gerekli olandan daha fazla para oldu u iin yedekli veya fazIal kh sistem adlar yla da taramlanabilir. Paralel sistemlerde sistemin tamamen anzalanmas iin tm paralar n anzalanrnas gerekir. Bu sistemlerin en basiti ekil 7 deki gibi olur.

ekil 7
Crilvenilirtikleri eit ve R olan paralel ba l n elernandan olu an bir sistemin gvenilirli i; E er bir paran n anzalanrna olas l F, 1- R, , bir paralel sistemin gvensizli i Fs u ekilde hesaplan r

fi F,
tam tersi olarak paralel sistemin gvenilirli i Rs ise Rs= 1 F s yada ,.1 buna gre u ekilde de yazlabilir Rs= I - 1'11(1 R,)

rnek : Bir elektronik cihaz ,paralel ba l ve gvenilirlikleri,

R a =195 R c =0.96 R.a ).92 olan paradan meydana gelmi tir. Bu paran n gvenilirli ini bulunuz ? Problem iki yoldan gidilerek zlebilir. Birinci yolda sistemin al mas n salayan tm alternatiflerin olalik An bulunur ve sonra bunlar toplam,. 1) para da sa lansa ak u. ve bunun olasl ;R a .R3.Rc 2) Paralar n ikisi salam biri arzal ise alr ve bunun olasl ; (RARaFc)-4- (RAFa Rc) 4 (FA.Ra-Rc)

298

3) Paralar n ikisi arzal biri salamsa ab u- ve bunun olasl : (RAFaFcY1- (Fa.Fa.Rc) .+-(FA-RaFc) bu olac l trlar gz nne al narak de erler yerine konutursa ve tm al abilrne olaslklar yerine konursa ; R D.99984 bulunur. kinci yoldan ise u ekilde znir. Sistemin al tnama olas lklar hesaplar n. ve 1 den karlr. F .=(F A . Fa Fc )=(0.08).(0.05).(0.04)=0.00016 1-0.000 6 = 0.99984 rnek : Bir cihazn 100 paras ndan birbirine seri ba l 20'si A alt sistemini olu turmaktad r. Di er 80 'paradan 20 `si B ve kalan 60 adedi de C gruplar nda toplanm olup, B ve C paralel balanmt r. A alt sistemi ile (B-C) alt sistemi aras nda paralel ba lant vardr. Her gruptaki paralar n gvenililikleri eit olup A , B , C swas na gre ,0.95;0.93 ve 0.96 'd r. Bu bilgilere dayanarak sistemin gvenilirli buluntu ? Sistem A ve(B-C) gruplar nn beraberce al r durumda bulunmalar ko ulu ile alr. Paralel (B-C) grubunun gvenilirli i R ac ile gsterirsek Rs=RA.Rac yazlabilir. A grubunun gvenilirli i R A 0.95) 2 0.358 olup B ve C gruplar iin nce F B ve F c 'nin bulunmas gerekir. F 8 =140.93) 2'3 =0.760 F c =1-(0.96) 6 giivemlirii ive(B-C)grubn R Etc =I- F a. Fc=1-0.695 = 0_305 oldu undan R s de yerine konularak bulunur R s=(0. 3 5 8).(0. 305)=0. 109 = % 11 rnek : (Paralel paralar) C paradan olu an bir sistemdeld paralar paralel ba l ve gvenilirlikleri 0.65 olarak ele al rsak sistem gvenilirli i R p = 1- 0.35 .3 = 0.957125
.

olarak bulunur.
rnek : (Seri ve paralel sistemler4 ekil 8 de gsterilen sekiz paradan olu an sistem

aa daki gilvenilirliklere sahiptir:

EKIL 8

29P.

den olu an ve paralel ba lanan Aran gilvenirli&i bulal m Rs =1 (0.28)3 = 0.978 Daha sonra C, ve C, den oluan ve seri olan (ayn ekilde C, ve C, de hesaplryarak) C nin gvenirli ini hesapliyahm. R, = (0.87X0.91) = 0.7917 C, ve C, n gver ilirli i C, ve C, le paralel olarak hesaplan rsa = I (1-0.7917) z = 0.9566 paral sistemin gveritirli i aa daki gverlirlik de erleriyle hesaplan rsa ncelikle

A = 0.978 B = 0.96 C = 0.9566 R, = (0.978X0.96X0.9566) = 0.898

300

EK-XI

ISO - 9000 STANDARTLARI

ISO 9000 standartlar n n do u u Il. Dnya Sava y llar na kadar uzan r. Ortak bir d mana kar k s tl kaynaklar n birte tirmek zorunda kalan de i ik kltr, din ve endstriyel yap ya sahip lkeler do al olarak nce askeri standartlar zerinde anla t lar. Sava bitti inde retimde standartlann nemi tart mas z kabul edilen bir gerek haline geldi. Ancak sava n bask s ortadan kalk nca lkeler, meslek kurulu lar ve endstri sektrleri kendi standartlar n geli tirme yolunu setiler (Arnold. 1994). Zamanla uluslar aras ticaretin ve mbadele imalat n n h zla geli mesi kar s nda dnyadaki tm standartlar bir at alt nda toplama ihtiyac belirdi. Bu amala merkezi Isvire'de bulunan 91 lkenin ye oldu u IOS (=International Organization for Standarts) kuruldu. 10S'nin amac belirli bir plana gre tm lkelerin kullanaca dnya standartlar n geli tirmekti. Bu ama do rultusunda gnmze kadar olduka ba ar l sonular al nd sylenebilir. Ancak global ekonomide tketici isteklerinin ve dolay s yla rekabetin byk a rl k kazanmaya ba lamas pek ok konuda oldu u gibi standartlarda da yeni yakla mlar zorunlu hale getirdi. Bunun ilk ve en nemli belirtisi ABD ve Uzak Do u rekabetine kar Avrupa Ekonomik Toplulu unun (AT) do u u oldu. Halen 12 lkeden olu an AT gmrk duvarlar n n kalkmas ndan ortak parlamentoya kadar nemli konularda birli i sa lama ba ar s n gsterdi. AT lkelerindeki 20,000'den fazla firmay kapsayan bir anket sonunda uluslararas ticareti engelleyen faktrler nem derecelerine gre a a daki gibi s ralanm t r: 1) 2) 3) 4) 5) 6) 7) 8) Teknik standartlar ve ynetmelikler. Ynetim engelleri, S n r kap s formaliteleri, Nakliyat ynetmelikleri, Katma de er vergisi referanslar , Sermaye piyasas kontrol. Hkmet sat n alma ynetmelikleri, Blgesel yasalar.

AT nceli inde geli tirilen ISO 9000 standartlar yukar daki listede birinci s rada yer alan engeli ortadan kald rma ve retici-tketici aras nda bir kalite gvencesi yaratma amac ta maktad r. ISO 9000 standartlar ile bildi imiz standartlar aras nda prensip a s ndan ok nemli farklar vard r. Uygulamada yanl yorumlama yznden ciddi sorunlar yaratan bu sorunlar yle s ralanabilir: (a) 1S0 9000 standartlar belirli bir mamul veya hizmete ait standartlar de ildir. (b) ISO 9000 standartlar belirli bir mamul veya hizmetin kalitesini garanti etmez. (c) ISO 9000 standartlar nda temel varsay m; bir firman n kalite kontrol sistemini personel, e itim ve i lemler a s ndan belirli standartlara gre kurup i letmesi halinde retece i mal ve hizmetin de kaliteli olaca d r. (d) ISO 9000 bir firman n kalite kontrol sistemini nas l kurup ynetmesi gerekti ini belirleyen kurallardan olu ur. ISO belgesine sahip bir firma rnlerinin kalite gvencesini nas l sa layaca n taahht etmi demektir.

301

Dolay s ile bir mamuln kalite belgesi ile o maml reten firman n /SO belgesine sahip olmas aras nda nemli fark vard r. (e) Bildi imiz standartlar n ve KK yntemlerinin uygulanmas nda biri retici di eri tketici olmak zere iki taraf vard r. reticinin amac mamul standartlar ve KK yntemleri yard m ile tketiciye belli bir kalite gvencesi sa lamakt r. 1S0 9000 sisteminde retici ve tketiciye ek olarak bir de ba ms z ve yetkili bir denetleyici kurulu vard r. Yeterlik ve yetkileri belirli kurallara gre tescil edilmi bulunan bu kurulu lar, ISO 9000 belgesi almak iin ba vuran firmalar s k ve ayr nt l bir denetimden geirerek de erlendirmekle - sorumludur. ISO 9000 standartlar na uygun ynetim sistemlerini kurup i ler duruma getirdi i tespit edilen firmaya 1SO 9000 belgesi verilir. ISO 9000 standartlar dizisinin ilki 1987 y l nda yay nlanm ve bugne kadar ISO 9001,ISO 9002, ISO 9003 ve ISO 9004 kodlar ile belirlenen 4 dizi daha ilave edilmi tir. Halen 60 kadar lke taraf ndan uygulanmaktad r. Her Glke ISO 9000 sistemini kendi diline tercme edip ayr bir kod ile tan mlam t r. rne in, Trkiye'de TS/1SO 9000, Ingiltere'de BS 5750, Almanya'da DIN ISO 9000, ABD'de ANSI/ASQC Q90 kodlar kullan lmaktad r, Her ISO 9000 dizisinin ama ve kapsam a a da zetlenmi tir. (/) ISO 9000: Tm ISO 9000 dizilerinin seimi ve kullan lmas na ili kin kurallar ayr nt l olarak belirten bir k lavuzdur. 23 elemandan olu ur: 1. Ynetimin sorumlulu u. 2. Kalite sisteminin prensipleri. 3. Malzeme kontrol ve izlenebilirli i. 4. Muayene ve test sistemi. 5. Marnul muayene ve test i lemleri. 6. Olrr e ve test cihazlar . 7. Standartlara uymayan mamullerin kontrol. 8. Malzeme nakli, depolama ve da t m sistemleri. 9. Yaz l belgelerin kontrol. 10. Kalite kay tlar . 11. E itim. 12. istatistik yntemlerin uygulanmas . 13. i letme ii denetleme. 14.Pazariamada kalite. 15.Sat n alma. 16.Proses kontrol. 17.0retimin kontrol. 18.0zeltici kararlar n al nmas . 19.D ardan al nan mamuller. 20.AR-GE'de kalite. 21.Sat sonras hizmetler 22.Maliyet sorunlar . 23.Mamul gvenli i ve gvenilirli i.

302

(Il) ISO 9001: Kalite Sistemleri- Mamul veya hizmetin dizayn, geli tirme. retim, da t m, ve servisine ili kin 20 elemandan olu an kalite gvencesi kurallar d r (Ill) ISO 9003: Kalite Sistemleri-Firman n retti i mamullerin mamullerin sadece retim ve servisine ili kin 8 elemandan olu an kurallar toplulu udur. (/V) ISO 9003: Kalite Sistemleri Mamullerin son muayene ve testine ili kin kurallar kapsar. 13 elemandan olu ur. (V) ISO 9004: Kalite Yntemi ve Kalite Sistemleri- ISO 9000 belgesi almak isteyen bir firmaya kalitenin ynetimi ve kontrol konusunda neler yapmas gerekti ini belirtir.
Grlece i zere ISO 9000 ve ISO 9004 belge almak isteyen firmalar iin bir k lavuz niteli indedir. Di er grubun her biri daha spesifik alanlar kapsamaktad r. Sisteme esneklik kazand rmak iin gruplar aras nda bir miktar giri im olmas na bilerek izin verilmi tir. rne in, bir petrol rafinerisinde mamul dizayn ve geli tirilmesi o kadar nemli de ildik: Buna kar l k oto endstrisinde elektro mekanik cihazlar imal eden bir firma iin mamul dizayn ve servis byk a rl k ta r. Bu nedenle rafineri iin ISO 9002, di er firma iin de ISO 9001 sisteminin seilmesi uygundur. 1SO 9000 belgesi almak isteyen bir firman n yapmas gereken i ler yle s ralanabilir: (1) I letmenin yap s na, mamule ve rekabet ko ullar na en uygun ISO 9000 sisteminin seilmesi. (2) i letmenin tm fonksiyonlar n temsil eden ki ilerden olu an bir koordinasyon komitesinin kurulmas , gerekli yetki ve sorumluluklarla donat lmas . (3) I letme fonksiyonlar na ait faaliyetleri tan mlayan tm belgelerin hiyerar ik bir dzen iinde belirlenmesi. rne in: Birinci dzey : Firman n mevcut kalite sisteminin tan t lmas . Ikinci dzey : I lemler iin kim, nerede, ne, ne zaman sorular n n cevapland r lmas . nc dzey : Faaliyetlerin nas l yrtlece ini belirleyen talimat n tan t lmas . Drdnc dzey : Ilk dzeydeki faaliyetlere ait kay t sisteminin tan t lmas . Firma yukar da zetlenen haz rl klar tamamlad ktan sonra ISO 9000 belgesini verecek yetkili firmalardan birine ba vurur. Ilgili uzmanlar n gr me ve denetlemeler sonunda firmaya eksik taraflar n belirterek tamamlamas iin sre tan rlar. Bu srenin sonunda gnlerce srecek as l denetim ve de erleme prosesi ba lar. Uzmanlar tm ayr nt lar belge ve gzlemlere dayanarak ve gere inde personel ile gr erek inceler. Denetimden ba ar yla kan firmaya ISO 9000 belgesi verilir. Ancak belge sresiz de ildir ve 3 y l sonunda tekrar yenilenmesi gerekir. Ayr ca firman n taahhtlerine uyup uymad , y lda iki kez olmak zere ani ve habersiz ziyaretlerle kontrol edilir.

303

ISO 9000 standartlar n n ortaya k olduka yeni say l r. Bu nedenle sistemin yararlar n istatistiklerle belirleyecek fazla rnek bulmak mmkn de ildir. Ancak global pazarlarda ISO 9000 belgesinin bir e it pasaport ve itibar gstergesi durumuna h zla dn t a ka izIenmektedir. Halen AT lkelerinde, gvenlik ve sa l kla ilgili baz alanlarda firmalar n ISO 9000 belgesine sahip olmalar zorunlu hale getirilmi tir. Baz byk firmalar kendilerine para imal eden imaiat lardan ISO 9000 belgesi istemeye ba lam t r. AT lkeleriyle i yapmak isteyen firmalar n ISO 9000 sistemlerine girerek byk ilgi gstermelerinin nemli nedeni budur. ISO 9000 sistemlerini kurup i letmenin maliyeti yksek olabilir. Buna ra men firmaya sa lad itibar ve i imkanlar , yap lan masraflar deyecek kadar yksektir. ISO 9000 sistemlerinin giderek yayg nla mas ndan as l yararlanacak taraf n daha kaliteli rnamul daha ucuza sat n alma imkan na kavu an tketici oldu u a kt r.

KAYNAKLAR

Ak n Besim ., rnekleme ve Numune Alma Teknikleri, Bilim Teknik Yay nevi, 1997. Apayd n Ay en., Kutsal Alaettin., Atakan Cemal., Uygulamal statistik, Ankara :1994. Gzl S tk ., Endstriyel Kalite Kontrolu, Teknik niversite Matbaas , stanbul :1990. Gnal Alev., Sat nalma Muayenelerinde Uygulanan Kabul rneklemesi Yntemi, H..Fen.Fak. statistik Enstits, Ankara :1973. Karayal n lhami., Klr oskun., Matematik statistik, Arkada Matbaas , stanbul :1968. Kartal Mahmut., statistiksel Kalite Kontrolu, afak Yay nevi, Sivas :1999. Kavlako lu brahim., Kalite Gvencesi ISO 9000 ve Toplam Kalite Rekabeti Ynetim Dizisi, stanbul :1993. Kobu Blent., Endstriyel Kalite Kontrolu, stanbul niv. Yaymlan, No:3425, 1987. Leitnake Mary G., Sanders Richard D., Hild Cheryl., The Power of Statistical Thinking, Addison-Weslay Publishing Company, 1995. Montgomery Douglas C., Statistical Quality Control, Second Edition, John Wiley and Sons, 1991. shikawa Kaoru., Toplam Kalite Kontrol, Kalder Yay nlar , No:7 , 1995. Oktay Erkan., Kalite Kontrol Grafikleri, afak Yay nevi, Erzurum :1998. zdamar Kaz m., Paket Programlar ile statistiksel Veri Analizi I , T.C.Anadolu niv. Yay nlar , No:1001, 1997.
-

zdemir Tayfun., Kalite in statistiksel Sre Kontrolunda Birikimli Toplam Grafigi ve Sre Kontrolunun Durum-Uzay nda incelenmesi, A.0 F.Bil. Doktora Tezi, Ankara :1996. SPSS., Base 7.0 for Windows User's Guide, 1996.