A..F.F.

Dner Sermaye Iletmesi Yaynlar No: 62

STATiST KSEL
KALTE KONTROL

Dr.Tayfun

ZDEMIR

NSZ
Gnmzde bilgi teknolojilerine olan ihtiyalara gre zm amal bir ok sistemler gelitirilmektedir. Kalite kavrammm gncel oldu u gnmzde geli meyi ve kendini yenilemeyi hedefleyen kurum ve kurulu lar bu kavram ve uygulamalar ile yakndan ilgilenmektedirler. Kalite kontrolu , bir ok bilimlerde zellikle istatistik konular nda gvenilir verilerin toplanmas ve retilmesi aamalarnda byk nem ta maktadr. Kalite kontrolun amac ; en az maliyetle do ru veri retmek, sreci takip etmek ve kty doru belirlemektir. " statistiksel Kalite Kontrolu" ise kalite kavram iinde nemli bir yap tadr. 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 uygulamalarna ver verildi. Birinci blmde "Kalite kavram na ve geliimi"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 kullanlan "Geleneksel Kontrol Teknikleri" ne yer verildi. Beinci ve Altnc blmlerde ise gnmzde istatistiksel a rlyla kalite kavram zerine alanlarn anlamakta ve al makta zorluk duydu u ve sreci istatistiksel ynden izlemeye ve denetlemeye yarayan "Kontrol Grafikleri" ve "Kabul rneklemesi" konularna ynelik a klayc 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, yaatlamayacam ve geli tirilemeyeceini dnmekteyim. Kitab mn kalite ve kontrolu ile ilgilenen herkeze faydal olmasn diliyorum. Austos 2000, Ankara Dr.Tayfun ZDEMIR

NDEKLER 1. BLM : KAL TE , KALTE KONTROLU VE GEL SM 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 Kurululan 1.8 statistiksel Kalite Kontrolu 1.9 Kalite Kontrolunda Temel Amalar 1.10 Kalite Kontrolunda Kullanlan Genel Yntemler 1.11 Kalite Kontrolunda Kullanlan 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 : KALTE KONTROLUNDA STATSTK BLGS - I 2.1 statistie Giri, Temel Tanm ve Kavramlar 2.2.1 Tanmlayc (Betimleyici) istatistik 2.2.2 Yorumlayc (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 grmesi 18 19 19 20 21 21 22 22

23.3.2 Telefon grmesi 2.3.3.3 Mektupla anket uygulamas 2.3.3.4 Yzyze yap lan anket 2.3.3.5 Alveri grmeleri 2.3.3.6 Form doldurtmak 2.3.3.7 Gzlem yapmak 2.2.2.8 Kiisel grmeler 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 klk Tablolar 2.4.1 Sklk dalmlar 2.4.2 Sklk dalunlamun oluturulmas 2.5 Istatistik Verilerinin Tablo ve Grafilderle Sunulmas 2.5.1 Historam 2.5.2 Sklk 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 Eilim lleri 3.2.1 Aritmetik ortalama 3.2.1.1 Basit sende aritmetik ortalama 35 36 36 36

ilt

3.2.1.2 S mflandrlm verilerde aritmetik ortalama 3.2.2 Ortanca(Medyan) 3.2.2.1 Basit sende ortanca 3.2.2.2 Smflandnlm verilerde ortanca 3.2.3 Tepe deeri (Mod) 3.2.3.1 Basit sende tepe de eri 3.2.3.2 S nflandnlm verilerde tepe de eri 3.3 Deiim lleri 3.3.1 Deiim genilii 3.3.2 Mutlak sapma 3.3.3 Varyans ve standart sapma 3.3.3.1 Basit sende standart sapma 3.3.3.2 Sruflandrlm sende standart sapma 3.3.4 Deiim katsays 3.3.5 Konu ile ilgili problemler 3.4 Olaslk Kuramma Giri 3.4.1 Baz nemli kavramlar 3.4.2 Olasln tanm 3.4.3 Olasln aksiyomlan 3.4.4 artl(koullu) olaslk ve bamszlk 3.4.5 Konu ile ilgili problemler 3.5 Baz nemli Olaslk Dalmlan 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 Dalmn Normalliini 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 KALTE KONTROL TEKN KLER 4.1 Giri 4.2 Pareto Analizi 4.3 Neden-Sonu Analizi 4.4 Tabakalama(Gruplandrma) 4.5 Serpilme Diyaram 69 70 72 76 76

5. BLM : KONTROL GRAFICLER

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 Grafii Kavram 5.3.1 Kontrol grafi inin ortaya k 5.3.2 Kontrol grafiklerinin esas 5.3.3 Kontrol grafiklerinde sz konusu de ikenlikler 5.3.4 Kontrol grafikleri kullan mnda bilinmesi gerekli nemli kavramlar 5.4 Kontrol Graflderinin Yaps 5.4.1 Kontrol grafi inin n hazrlklar 5.4.2 Kontrol grafi i oluturma ilemleri ve eitleri 5.5 llebilir Deikenler 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 grafkleri 5.5.3 Grafiklerin yorumlanmas 5.6 Sre Yeterlilik Analizi 5.6.1 Tolerans snrlarnn seimi 5.6.2 Sre yeterlili i 5.7 llemeyen zellikler(Nitelikler) iin Kontrol Grafilderi 5.7.1 Standartlar biliniyorsa ; P- grafi 5.7.2 Standartlar bilinmiyorsa ; P-grafi 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 bana kusur says) kontrol grafi i 5.7.8 Srecin kontrol dnda olmas 5.8 Kmlatif Toplam (CuSUM) Kontrol Grafi 5.8.1 CuSUM grafiklerinin dzenlenmesi ve yorumlanmas 5.8.2 V-Maskesi dzenlenmesi ve yorumlanmas 5.8.3 V-Maskesini oluturmadaki 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 Hazrlayc "Kavram ve 169 Tanmla?' 171 6.5 retici ve Tketici Riski

VI

6.6 al ma Karekteristi i-K Plan Erisi 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 Ardk rnekleme plan 6.7.5 Dier rnekleme planlar 6.8 rnekleme Planlarn Deerlendirme Teknikleri 6.8.1 Ortalama k kalitesi ve snr 6.8.2 Ortalama rnek say s ve erisi 6.8.3 Ortalama toplam muayene say s ve erisi 6.9 K , OK , OS , OTM Erilerinin karlatrlmas 6.10 Hazr Kabul rneklemesi Plan Sistemleri 6.10.1 llemeyen zellikler iin rnek alma plan sistemleri 6.10.1.1 TS 2756 / MIL STD-105 Hazr plan sistemi 6.10.1.2 Dodge-Romig Kabul rneklemesi plan sistemi 7. BLM : GfTVENLRLK ANALZ 7.1 Giri 7.2 Tanm ve zellikleri 7.3 nemli Fonksiyonlar ve Birbirleriyle Ili kileri 7.4 Fonksiyonlarn 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 KALTE KONTROL UYGULAMALAR' 8.1 Giri 8.2 SPSS'e Giri 8.3 statistik Uygulamalar 8.4 statistik Uygulamalarna Baz rnekler 8.5 SPSS'de Graflder
TABLOLAR (EK: I IX) EK- X : GVEN LRLK EK-XI : ISO 9000 STANDARTLARI

239 239 249 253 261

277 286 300

1. BLM KALTE , KALTE KONTROLU VE GELI IMI

1.1 Tarihe
Kalite ile ilgili ilk kay tlar M. yllara kadar uzamr Kalitenin bir kavram olarak ortaya kmas 19.yzyla rastlar. Ancak bu dnemden sonrad r ki reticiler kalite bilinciyle, rnlerine kendi markalar n vurmaktan gurur duymaya balanulardr. ngiltere'de bile i i planlamas ii ve ustaba.lanmn elinden alnp endstri mhendislerinin kontrolne verilmi ve bylelikle balatlan bu uygulama ile, sanayi devriminin tohumlar atlmtr. Kalite geliiminin en nemli ve ilgin a amalar A.B.D ve Japonya'da ya anarak grnmtr.

Dr.W.A. Shewhart, 1924'te ilk "Olas lk izelgesini" ortaya koyarak istatistiksel kalite kontrolnn temelini atm tr. Modern kalite kontrol, ya da imdiki adyla statistiksel Kalite Kontrolu (KK) 1930'larda yine Bell laboratuarlan ara trmaclarndan Dr.W.A. Shewhart' n buluu Olan Kontrol Semalannn endstriyel kullanma girmesiyle balad.
II.Dnya savanda eldeki retim sistemlerinin yeniden dzenlenmesi sava ncesi ve sava z,amamnn ivedi ihtiyalarna yetmeyince "Kontrol emalan" A.B.D'de bir ok sektrde kullan lmaya baland. Amerika'da sava yllarmdaki retim, ksmen teknolojik gelimeleri de hzlandran statistiksel kalite kontroln kullanma girmesinin etkisiyle, hacim, nitelik ve ekonomik olarak sevindirici olmu tur. II.Dnya savamn kalite kontrol ve modem istatistiin kullanm sayesinde kazanld 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 olmutur. ABD'nin Z-I standartlar ingiliz standartlan-1008 ad yla kabul edilmitir.

2
Istatistiksel kalite kontrolnn varolu u bugnk anlamda kullanma girmesi Japonya'nn II.Dnya sava yenilgisiyle harap olmas ve A.B.D i gal kuvvetlerinin Japonya topraklar na ayak basmas ve karlat Japon telekominikasyon sisteminin yetersizli ini giderme al malan ile ortaya kmtr. Japonya ingiliz standartlar - 600den sava ncesi y llarda haberliydi. Bu standartlar sava srasnda japonca>ya tercme ettirildi. Baz modern istatistik almalar yapldysa da matematiksel terimler yznden terimler gncellik kazanamad . O sralarda 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 sk biimde denetlenemiyordu, ucuz ve kalitesiz retim yapldndan japonlar maliyet ve fiyat ile rekabet edebiliyorlard . Bylece May s 1946'da Japonya'da istatistiksel kalite kontrol al malar balam oldu. Ancak unutulmamal dr ki ; ilk al malar bata da belirtildi i zere sava yllar ncesine dayanmaktad r. A.B.D.'lerinde Kalite kontrol ve istatistiksel tekniklerin geli mesine katkda bulunmu uzmanlar; bu tekniklerin iletmelerin tm faaliyetlerinde uygulamas ve kalite ile ilgili sorumluluklann iletmelerin tm blmlerinde slenilmesi gr nde idiler. Dolaysyla ilk etapta Japonya'da telekominikasyon sisteminin yetersizli ini gidermek zere Japonya'ya Amerikadan Kalite uzmanlar getirtilmitir. Bylece , uzmanlar A.B.D'de fazla itibar grmeyen gr lerini Japonlara aktarma frsatn bulmulardr. Uzmanlarn 1950'li y llarda Toplam kalite kontrol (TKK) veya Toplam kalite ynetimi (TYK) ad m verdii bu grler Japonlarca benimsenmi ve geli tirilmitir. ekil 1.1 kalitenin gnmze kadarki yolculu unda gsterdi i aamalan gstermektedir.

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

ekil 1.1 Kalitenin geli im aamalar

Yine bir baka bak asyla, ekil 1.2 kalitenin aamalarn tarihsel srete gstermektedir.
Ustalkla (1800 -yllar) , I Muayene ile ( 1900-1940) , Srecin kontrol ile ( 1940-1960) , I Srecin tasarmnda (1960 - 1980) , I rn tasarmnda (1980 -

ekil 1.2 Kalitenin tarihsel aamalar

1.2 Kalite Evrimi ve nl ahsiyetleri

H.FORD retim Sisteminde yntem (ABD) W.A.SHEWHART Olas lk 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 Eitimi" 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 KALTE... **

(JAPONYA) (JAPONYA) (JAPONYA)

1.3 Kalite ve Kalite Kavram

Bir ok kiiye 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, * mterinin tatminidir, * verimliliktir, * esnekliktir, * etkili olmaktr, * bir pro rama uymaktr, * bir sretir, * bir yatnmdr, * Kusursuzluk aray ma sistemli bir yakla mdr, * Kullanma uygunluktur. Dr.J.M.JURAN * artlara Uygunluktur. P.B. CROSBY * Bir rn ya da hizmetin belirlenen veya olabilecek ihtiyalan karlama kabiliyetine dayanan zelliklerin toplam dr. 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 salayan nitelik ve zelliklerin tmdr. Amerikan Kalite Denetim Derne i ASQC Teknik anlamda kalite, "Istenilen zelliklere uygunluktur". Bu ifade aadaki iki geden olu maktadr. I. Istenen zellikler 2. Bu zelliklere uygunluk. Bir rn ya da hizmetin istenen zelliklere sahip olmas "Tasarm kalitesi" ile ilgilidir. rnein bir ayakkabmn ksele tabanl ya da kauuk tabanl olmas bir TASARIM meselesidir.
Uygunluk kalitesi ise , mteriye sunulan rnn belirlenmi tasarma "ne kadar uydu u ile" ilgilidir. rnein yukarda sz edilen kauuk tabanl ayakkab karl zeminler zerinde kullan ldnda ayaa su geirmiyorsa

ve retilen tm ayakkablar gerekten karl ortamlarda su geirmiyorsa uygunluk kalitesi "mkemmel" dir. De ilse uygunluk kalitesi "dk" demektir. Ksaca zetlemek gerekirse Kalite aadaki iki bileenden oluur. I. TASARIM KALTES 2. UYGUNLUK KALTES UYGUNLUK KAL TES (llebilir bir karelcteristiktir) . Uygunluk kalitesini de erlendirmede de iki gsterge sz konusudur. Bunlar; a. Nominal(hedef) de er, b. Tolerans'dr. Kalite kavram n n ok de iik tammlan yap lmaktadr. Trk

Standartlar Enstitsnn hazrlad szlkte kalite ,

"Bir rnn veya hizmetin ihtiyalar karlama yetene ine dayanan tm zelliklerdir." eklinde tanmlanmtr. Dolaysyla kaliteli rn; fonksiyonel zellikleri en dar de i im snrlan iinde istenilen de erde olan standart bir retim madddesidir. K.Ishikawa ise ; Kalite, rnn veya hizmetin tketiciyi tatmin etmek iin sahip olduu zeliklerdir. eklinde tanm yapmaktadr. 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 yaplan tan mlar incelendiinde hepsinde mterek olan; rnn "tketici ihtiyalar n karlamas 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 katlmal ve gelimesine yardm etmelidir.

6 Kalite kontrolde ilk ad m tketicilerin isteklerini bilmektir. Kalite kontrolde di er bir ad m tketicilerin ne sat n alacaklarn 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 dk 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 altnda 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 nmasn salayan metodlann uygulanmas dr. zetle , bu metodlar retim i lemlerine istenilen yn vermek iin imalat nn ba yard mc sdr. Feigenbaum 1961'e gre ; "Tketici isteklerini en ekonomik dzeyde kar lamak ve doyum salamak amac yla i letme iindeki e itli blmlerin kalitenin yarat lmas na ,korunmas na ve geli tirilmesine ynelik abalarn btnletirilmesini salayan etkili bir sistemdir. Bir rn kalitesi genel olarak; tketici isteklerini yans tma derecesi , tasarm kalitesi, tasanma uygun imalat n gerekle tirilme derecesi ve imalat veya uygunluk kalitesidir.
(Tasar m Kalitesi) (Imalat s ras nda kalite kayb ) (Kullan m dolaysyla kalite kayb )...
TASARIM

IMALAT

KULLANIM

ekil 1.3 Tasanm ve imalat kalitesi aras ndaki iliki

1.5 Toplam Kalite Kontrolu (TKK)

Kaliteli rn ve hizmet retmenin yanl zca retim srelerine ili kin denetimle salanamayaca, kalite kuruluun her sre, etkinlik ve karanndan etkilenecei gere inden yola klarak yeni bir yaklam nerildi ve a rlkl 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 amacyla retici kurulu iindeki tasanm, retim, pazarlama ve m teri hizmetleri gibi eitli birim ve gruplarn , kalitenin gelitirilmesi, srelclili inin salanmas ve iyiletirilmesi yolundaki abalarn bir btnlk iinde ynklmesini salayan etkili bir sistemdir." Tanmdan anlalaca gibi TKK yaklamnda 2 nemli ge vurgulanmaktadr. Bunlar, 1. Tketici isteklerinin ekonomik biimde karlanmas ,
2. Kalitenin yanl zca retim srelerince belirlenen bir olgu olmad , kuruluun tm faaliyet ve srelerinin de kalite dzeyini dolayl veya dolaysz olarak etkilemesidir.

Ancak bu yaklam daha sonra geli erek Toplam Kalite Ynetimi(TKY) dncesine ve ilkelerine yerini b rakmtr.

1.6 Toplam Kalite Ynetimi (TKY)

Mterinin beklentilerini karlayacak, hatta aacak rn veya hizmet retebilmek iin ynetim ve retim sreleri ile kalitede iyile tirmeyi hedefleyen, kalite d nce ve bilincini tm kurulu alanlarna yaymay ve onlarn ibirliini salamay amalayan bir ynetim biimi ve ynetim stratejisidir. TKY'yi uygulayan kurulularda sadece mal ve hizmet kalite dzeyi ykselmekle kalmam , ayn zamanda retkenlik artm, maliyetler dm ; bylece nemli bir rekabet stnl salanmtr. Gnmzdeki anlay a gre ; TKY'nin tek amac kalitenin ykseltilmesi deildir. eretkenli in arttnlmasma ynelik "srekli geli me

(KAZEN) gibi sistematik yakla mlar da en az kalite konusu kadar nem kazanmakta ve maliyetlerin dolay syla da fiyatlarn dmesini salamaktad r. Toplam Kalite Ynetiminin temel ilkeleri zetle yledir, 1. Mteri(tketici) odakl lk, 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 eitim ve renme, 7. alanlann yetkilendirilmesi. Toplam Kalite Ynetimi felsefesi, yakla m , ilkeleri ve teknikleri ile bir btndr. TKY'yi baaryla uygulayabilmek, bir a dan eski gelenekler, i yapma yntemleri ve davran biimlerinden s ynlmak ve mteriyi 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 lm (QFD), 4. Kyaslama ve uyarlama (Benchmarking), 5. Politika yay lm (Hoshin Planning), 6. Yedi istatistiksel ara ve yedi yeni ara,

Bu teknikler srekli iyile tirme ve sorun zme al malannn her aamasnda youn olarak kullanlr.

1.7 nemli Kalite Kurulu lar

ASQC, JUSE ve EOQC

Dnyann her yanndaki ulusal, uluslararas veya blgesel kalite kurulularndandr. ASQC : The American Society for Quality Control -Amerikan Kalite Kontrol Kurumu : 1946'da kunlmutur. II.Dnya sava srasnda savunma malzemelerinin kalitesini geli tirme abalar nn bir sonucu olarak kurulmutur. Gnmzde dnya ap nda kullanlan kalite yntemlerinin ounu 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 tr. ASQC'nin grevleri : 1. 2. 3. 4. 5. 6. Kalite teknolojisindeki yeni geli meleri tantmak, Varolan teknoloji uygulamalar n gelitirmek, 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, Yayn ve enformasyon program yrtmek.

ASQC'nin tipik al malar : 1. NASA Kalite ve Verimlilik Baar dl uygulamas, 2. Amerikan Kalite Kurumu giri imi : rn ve hizmetlerin dnya apnda rekabet stnl salamasn amalayan aratrma burslan, burs programlar, belgesel filimler vb. faaliyetleri 3. Kalitenin Nobel dl : Ulusal Standartlar ve Teknoloji Enstitsnce dzenlenir. Ulusal Kalite dl al malarna da katkda bulunmaktadr. JUSE : Japane Union of Scientists and Engineers-Nippon Kagasu Gijutsu Renmei Japon Bilim Adamlar ve Mhendisleri Birlii: 1946'da kuruldu. Merkezi Tokyo'dad r.1962'de ise bir kamu kurulu = dntrld. JUSE'nin Amalar : 1. eitli bilim ve teknoloji alanlarnda ibirlii yapt bilim adamlar ve mhendislerin bilimsel ve teknolojik ilerlemelerine ilgisini uyandrmak, geli tirmek ve bu yeniliklerin uygulamas n salamak, 2. leri bilim ve teknoloji konusunda yurt ii ve yurt d nda bilgi alveriinde bulunarak sanayinin geli mesine katkda bulunmak, 3. Bu etkinlikler yoluyla dnya bar na ve insan soyunun karlarna hizmet etmek. JUSE'ye kaytl kurulularn says 1989'da 1825'i bulmu tur. JUSE'nin 1600 bilim adam ve mhendisiyle i birlii yaparak 250 komite arac l ile yrttt almalar u ana balklar altnda toplanabilir:

10

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

Aratrma ve geli tirme, Eitim, Tamtma, Uluslararas ilikiler, Sempozyum ve konferanslar, Dier hizmetler

EOQ : European Organization for Quality- Avrupa Kalite rgt . 1957 ylnda Bat avrupah 5 lkenin kalite uzmanlannca, EOQC- Avrupa Kalite Kontrol rgt ad yla kuruldu. Genel sekreterli i Bern-isvirede'dir. Sonraki yllarda 25 lkeden birer kalite kurulu unun ye olduu EOQC, byk bir Avrupa rgtne dnt. 1980'li yllarda adndaki "kalite kontrol" ifadesinin s nrlayc bir anlam oluturduu kamslyla adm EOQC olarak de itirdi. EOQC'nn Amalar : 1. rn ve hizmet kalitesinde geli me salayacak bilimsel ve teknik bir Avrupa kuruluu olmak, 2. rn ve hizmetlerin gvenilirli ini gelitirmek iin kalite kontrol konusundaki dnce ve teknikleri uygun aralar kullanarak gelitirmek,tantmak, duyurmak ve zendirmektir. EOQC'nn almalar : 1. rn ve hizmetlerin kalite gvenilirli i ile ilgilenen etkin kurulular, gruplar ve ki ilerle ili ki kurar ve bu ilikileri korur. 2. Aratrma ,talimat, gr, deneyim, dkman ve yay m alveri i konusunda ibirliini zendirir. Konferanslar, seminerler, k rslar dzenler, EOQC'nn 7 blm ve 11 komitesi ah malar yrtr. Trk Standartlar Enstits TSE lkemiz adna 1976 ylndan bu yana EOQC tam yesi olarak almalara katlmaktadr.

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 olanaksz , kimi zaman da yksek maliyetli k lmaya balaynca istatistik temelli yeni aray ve zmler gndeme geldi. lk gelime W.A. Shewhart' n uygulad "Kontrol emalan" ile Dodge ve Romig'in geli tirdii " rnekleme muayene " sistemleri ile oldu. Bu basit oysa son derece etkili ara ve sistemler istatistiksel rnekleme temeline dayan yordu.Bu aralarn yaygn olarak kullanlmaya balamas ile "statistiksel Sre Denetimikontrol SPC" ad altnda hatal retimi en aza indirgemeyi hedefleyen yntemler ile rnekleme muayene sistemleri gnmze kadar ba aryla 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 dr.(TSE,1984) " eklinde tanmlanabilir. KK'de kontrol alt ndaki kalite zelli inin (yani de ikenin) veya batarm (kusurun) boyutu ve ifade edili ekli uygulanacak yntem a sndan nemlidir. Eer birden fazla kalite zelli inin ayn anda kontrol alt nda olmas isteniyorsa, kontrol edilecek de iken veya hata (kusur) ok boyutlu bir yap ya sahip olacakt r. Kalitenin bir kalite zelli i tarafndan belirlenmesi durumunda dei ken veya hata bir (tek) boyutlu olacakt r. rne in, Kalite kontrolnde yaygn bir kullanm alanna sahip olan "Kontrol grafkleri- emalan" 'da kullan lan ve kalite zelli ini gsteren istatistikler genellikle tek boyutludur. rn kalitesi birden fazla kalite zelli i ile belirlendiinde kalite kontrol ; ya Pareto analizi ile bunlardan en nemli grnenlere gre yap lr, ya da ok deikeni dikkate alan bir kontrol grafi ile yaplr. istatistik tekniklerin yo un olarak kullan ld bal ca 3 alandan sz edilebilir. Bunlar, 1. Dardan sat n alnan ham ya da yar maml maddenin kontrol (GR KONTROL)) 2. D kurululara ya da ayn kuruluun di er ksmlanna gnderilen malzeme veya rnn kontrol ( IKL KONTROL) 3. retim srasndaki kontrol ( PROSES-Sre KONTROL)

Bunlardan ilk ikisinde KABUL RNEKLEMES diye adlandnlan 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 lctnc ve yo unluk yaratan etkileri kalitenin dmesine sebep olmaktad r. Ancak, rneklemeye uygun olmayan baz kritik paralann %100 muayene ile kontrol ka nlmaz olmaktai bu durumda muayene maliyeti nem kazanmaktad r. Kaliteye ili kin maliyetler her retici kurulu iin mutlaka byk nem tamaktadr. "KALITE OK YNL B R FONKSYONA SAH PTR." Gelien tketici hareketleri ile birlikte teknolojik ilerleme ve sava sonras= ekonomik knts II.Dnya sava ertesinde yeni Kalite kontrol tekniklerinin kullan mn gndeme getirmi tir. STATSTK Biliminin uygulamal hale gelmesi ile Endstri mhendisli i ve Ynetim tekniklerinin gelimesi statistiin KALITE KONTROL'de uygulanmas n arttrmtr. Bu yntem KK olarak adland nl p Istatistik sayesinde ; retim s rasnda ortaya kabilecek bozukluklar nceden tahmin edilmeye ve dzeltici nlemler alnmaya balanmtr.

1.9 Kalite Kontrolunda Temel Amalar

Kalite kontrolunun amac , hereyden nce tketiciyi tatmin etmektir. Iletmeler mterinin isteyece i, beenecei, kullanrken 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 kayplan mmkn olan en dk dzeye indirmek, 3. Dk kaliteli, kusurlu ve bozuk rn say sn azaltmak, kalite standardi72syonu yoluyla pazarlama kolayl salamak, iade ve bakm onarm 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 lmaktadr. 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 deildir. 2. eitli ara-gerelerin yard myla yap lan lmleme ve boyutlar , deerlendirmeler : Bu yntem bir rnn zellikle, edildi inde kullan lr. arl hacmi ve biimi ynnden kontrol aletler kullan lr. Bu amala geli tirilmi e itli hassas 3. eitli fiziksel, kimyasal, mekanik ve benzeri zellikleri deerlendirmek iin laboratuvarda deney yoluyla kontrol: zellikle , kimya, ila, metalurji, g da, elektronik gibi endstri dallar nda rnn yap , bileim, g, dayankllk, iletkenlik, snma, ergime ve benzeri zellikleri ileri dzeyde gelitirilmi hassas aletler ve uzman i grenler tarafndan deneyler yoluyla belirlenir. 4. Uygulama ve kullanma yoluyla kalite kontrol : Genellikle, nihai rnler gerek kullan m ko ullarnda 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 kullanc 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 olmasna 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 alanlarnda gerekletirilmitir.statistik kuram kalite kontrolunda ilk olarak balarda belirtildii zere 1920 yllarnda etkili biimde uygulanmaya balanmtr. Yeni istatistiksel yntemler kalite kontrol problemlerin ilk defa 1924 y lnda W.A.Shewhart tarafndan uygulanmaya balannutr. Sanayide yaygnlamas da II.Dnya savalar sonrasnda artrru tr. statistik ; "Tesadf etkenlerin etkisi alt nda bulunan olaylarn gzlenmesi ve belirli kuram, ara, yntem ve tekniklerin yard myla bu olaylar hakknda sistematik biimde bilgilerin toplanmas ve incelenmesi sonunda -ta belirli duyarlk tahmin ve yorumlar yap lmasn salayan bilim dandr." Biiminde bir tanmla ifade edilebilir. statistiksel Kalite Kontrol tekniklerinin balca yararlarna aadaki gibi sralamak 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. Ii ve makine- saat ba na artan retim hz, 5. Tasarm toleranslaruda iyileme, 6. Faaliyetler aras nda egdm salanmas nedeniyle daha ahenkli insan ilikileri.

1.11.2 Kalitenin ls
Bir retim nitesinde yap m ilemleri 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 sata gidecek maln piyasann kalite taleplerini ne dereceye kadar

13

karlanacann bilinmesi, hem de retimin baansuun tesbiti veya retimin hangi noktalarda alcsad uun aydnlatlmas bakmndan gerekli olacaktr. 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 arasndaki farklann bulunarak bu farklann nemlilik derecesinin saptanmas gerekecektir. lme sonucunda bir fark n olduu durumda ortaya iki problem kar. 1. Fark kkse lme metodumuz bu fark tesbit edebilecek kadar duyarlmdr ? 2. Fark byk veya lme metodumuz kk farklar tesbit edebilecek kadar duyarl ise tesadfen mi ortaya kmtr, yoksa gerek bir farlcmdr?

lme metodumuzun duyarlln nasl bileceiz ?

Eer lmenin telcrannda ayn fark kk bulabiliyorsak lme metodumuz hassastr.

Elde edilen farkn tesadfmi, yoksa gerek bir fark oldu unu nasl anlayacaz ?
*lmeyi tek nite halinde imal edilen rnlerde ; rnn e itli lme noktalarnda, *Birimler halinde imal edilen rnlerde ; birden fazla nite zerinde tekrarladmzda 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 deerlendirilmesi ve standart bir de erle karlatnlmas problemi ortaya kmaktadr. Bu eit problemlere olaslk teorisine dayanan istatistik metodlan zm getirmektedir.

16

1.11.3 Kalitenin matematiksel ifadesi

X ile ifade edilen bir zelli in lldn dnelim. lmenin 1.11.2'de a klanan nedenlerden dolay eitli ekillerde tekrarland nu ve xi, deerlerinin elde edildi ini kabul edelim. Bu noktada u x2, x3, ., xn X zelli i istatistiki bir dalm gstermektedir. Bu sonuca varr ylenebilir ; varmaz u soru aklmz gelecektir: "Sz konusu zelli i temsil eden tek say veya deerden bahsedilemez mi?" Bu soruya cevap vermek biraz zordur ama yle bir cevap verilebilir : X zelli ini temsil eden say , byklk srasma dizilmi bulunan xl, x2, x3, , xn deerlerinin orta yerinde bir say dr. lme neticelerinden baz lar ayn olabilir. Birbirine e it saylan biraraya getirir ve her biri iin tekrar say sn ifade eden f ,f2,f3fr frekanslann tesbit edersek, X'in da lm yle olacaktr: fXI, fiX2, fiX3fnX.n imdi yukarda sorduumuz 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 saydr. Btn bunlar bizi "Ortalama'nm" tarifine getirmektedir. Bundan sonra ortalaman n standart de ere ne lde yakn olduu problemi ile kar karya kalan. Buradanda ilerideki blmlerde aklanan "Standart sapma" kavramna gelinin Sonuta ortalama deer ile standart de er ayn ise standart sapma kalitenin ls olacaktr ve standart sapma ne kadar kkse rnmz o derecede kaliteli demektir. Artk bu durumda STATSTK KALTE KONTROLU nedir ? denildiinde ; Kaliteyi gereince ve srekli ekilde kontrol altnda bulundurabilmek iin u sorulara cevap bulmak gerekir: 1. Doru bir ortalam de er bulmak iin ka lme yapmal dr? Bu lmeler hangi plana gre yap lmaldr? 2. lme neticesinde bulunan de erle istenilen de er arasnda belirli bir fark varsa bu fark n nemli olup olmad, yani tesadfen ortaya kp kmad nasl bilinecektir?

17

3. Standart sapma ne lde kk olmal dr? 4. Ortalama deerin istenilen de erden deiik olmasnn anlam nedir? 5. Birimler halinde elde edilen rnlerin hepsini teker teker muayene etmek mmkn olmadna gre ne yaplmaldr? 6. retimin ara kademelerinde bir kalite d ld grlmse ne yapmak gerekir? statistiki Kalite kontrolu , btn sorulara cevap veren ve istatistiki metodlar yardmyla rn kalitesini yksek tutmay hedef alan btn lme ve kontrol ilerinin, srekli bir "BILGI ALMA DEERLENDIRME - KARAR ALMA/VERME MDAHALE " proranuna gre, sistem iinde yrtlmesini salayan bir faaliyettir.

18

2. BLM KALITE KONTROLUNDE ISTATISTIK BLGS - I

2.1 statisti e Giri, Temel Tan m ve Kavramlar

Gnmzde karlalan birok problemde istatistik bilgisine gereksinim duyulur. Problemlerin zm iin, veri toplama ve toplanan verilerin analizi gereklidir. Gnlk gazetelerin ekonomi sayfalar na bakldnda 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 , alm miktarlar ve fiyatlar , eitli konularda lkeleraras say sal karlatrmalan ieren bilgiler birer istatistiktir. Bu anlamda kullan lan istatisti in en basit tanm yle yap labilir ; "Herhangi bir konudaki say sal bilgiye istatistik" denir. Bir konuda istatistik oluturabilmek 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 karyadrlar. Her gn bu veri topluluuna ok say da veri eklenir. Bu verilerin bir k sm iletme ii faaliyetlerden trerken bir k sm da st sistemdeki faaliyetlerden ve zel aratrmalardan ortaya kar. Verilerin toplanmas bir istatistik konusudur. Bir konudaki her veri istatistik olmayabilir. Bu konuda veri ile bilgi aynmna dikkat edilmelidir. Bir konudaki gereklerin sembolik ifadesine veri, sembollerin rakam olmas durumunda da bu sembolik ifadeye saysal veri denir. Verilerin bir i lem srecinden geirilerek anlaml hale getirilmesi ile de bilgi elde edilir. Veriler oul ve srekli olup ki ide de iikliine neden olmaz. Bilgi ise tekil ve kesikli olup ki ide davran deiikli 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 tirilmitir. Bir konuda toplanp, belirli bir dzene konmu olan verilerin anlaml hale gelip kullanl olabilmesi iin zetlenmesi gerekebilir. Verilerin zetlenmesi ile ilgili yntemlerde istatisti in konusudur. Elde edilen istatistiklerin hangi zellikleri ta d , anlamll analiz edilerek bu analizden sonular kartlmas ile ilgili yntemler de istatistik dersinin konusudur. Bu anlamda istatisti in konu kapsamm belirten tanm da aadaki ekilde yaplabilir: Verilerin toplanmas , derlenmesi, zetlenmesi, sunulmas , analiz edilerek bu analizden sonular kartlmasyla ilgili yntemler toplulu u istatistik konulandr.

2.2 .1 Tan mlayc (Betimleyici) istatistik

Balangta da belirtildi i gibi herhangi bir konuda ok sayda veri ile karlalabilinir. Bu verilerin kolay anlalabilmesi iin sraya dizilmesi, dzenlenmesi, grafi inin izilmesi ve say sal zetlemesi gereklidir. Istatistik derslerinin konu kapsamm belirten tammnda da geti i gibi bu konular betimleyici istatistiin konulandr. Betimleyici istatistik ile verilerin yorumu kolaylar. Ayrntl analize girmeden eldeki verilerin ne anlam ierdi i tablolarla, grafiklerle ve say sal zetler yard m ile anlalabilir. Menkul kymetler borsas verilerinin gazetelerde yay nland ekliyle zaman iindeki deiimler grafik ile sunuldu unda okuyucu bir bakta borsadaki trendi grebilir. Yurtii piyasada bir y lda satlan otomobillerin markalanna gre snflandnlarak 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. Saylan bu rnekleri o altabiliriz. Tm bunlar betimleyici istatisti in konulandr.

2.2 .2 Yorumlayc (Vardamal) istatistik

Bir bilimsel almada veya aratrmada snrlandnlan konuya ilikin tm veriler inceleniyorsa buna tam saym denir. Tam saymn ardndan tammlayc istatistik konulan ile istatistik al malarna devam edilir. Ancak ou zaman tam saynn yapmak olanakszdr. Bu durumda al ma erevesi iinde var olan tm veri kmesinden bir ksm belirli bir teknikle seilerek

20

incelemeye al n r. Incelemeye al nan bu ksma rnek(rneklem) denir. rnegin incelenmesinden kan sonular bir genelleme ile tm veri kmesi iin sonu kanmnda kullanlr. Btnn bir paras ndan hareketle btn hakk nda sonuca yarma ile ilgili istatistik konulan yorumlay c istatistii oluturur. Aadaki ekil 2.1 bu sreci a klamak iin izilmi tir. ekildeki byk daire elde edilebilir btn verilerin toplulu unu, sa tarafa kartlan kk daire bu topluluktan al nan rnei gstermektedir.

ekil 2.1 istatisti in yorumsal ilevi rneklem verilerinden S bykl hesaplanmtr. rnek iin hesaplanan S bykl nden hareketle tm veriler iin cenin de eri kestirilir. es. hakknda nceden ne srlen de erin do ru olup olmad da rnekten alnan bilgi kullanlarak snanr. rnekleme ile ilgili analizler, kestirim ve snama konulan yorumlay c (Vardaml) istatisti in konulandr.

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 durulacaktr. Ilgili probleme ait verilerin toplanmas aratrma 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. rnein MKB'de ilem gren katlann gnlk fiyatlar, endeks, isizlik oran, irketin aylk satlar, bir otomobilin 100 km'deki yakt sarfiyat vb. veriler bir de ikenin ald deerler olarak i leme konur. Herhangi bir konudaki veriler nitel (qualitative) veya nicel (quantitative) olmak zere iki k smda incelenebilir. Nicel veriler gzlem veya deney sonularnn saysal bir lek zerinde lmdr. Nitel veriler ise var olan e itli kategorilere (s nflara) sokabilece imiz saym sonulandr. Her veri tr iin farkl istatistik teknikler geli tirilmitir. Bir veri kmesini analize hazrlamada hiyerar ik olarak drt lek bulunur. Bunlar syledir, 1. Suuflayc (nominal), 2. Sralayc (ordinal), 3. Aralkl (interval), 4. Oransal (ratio). lk iki lek nitel, son iki lek ise nicel verilerin analizinde a rlkl olarak kullanlr. Yukardaki sralamada derece ykseldike veri kmesinin ierdii 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 hazrlanm 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 toplanp dzenlenmi verilere ikincil veriler denir.

kincil veri kaynaklar ndan veri elde etmenin yarar veri toplama maliyetini ve zaman m azaltnasdr. Ancak ikincil kaynaklardan elde edilen veriler her zaman bizim amac mz do rultusunda olmayabilir, bizim isteklerimizle rtmeyebilir. Bu durumda amaca uygun veriler tasarlanarak toplanr.

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 olduu yaklak olarak bilinmektedir. Her tekni in stn ve zayf olduu ynleri vardr. Aratrmac, amacna uygun olarak hangi teknii kullanacana iin balangcnda karar verir. Bu tekniklerin neler olduu ve zellikleri aada ksaca verilmi tir.

2.3.3.1 Odaklanm grup grmesi

Bu teknik sk kullanlan ve ilk akla gelen tekniklerden biridir. Az saydaki insann konuyla ilgili resmi olmayan gr leri konuulur. Bu konumalarda katlmclardan biri konumay ynetir. Bu gr me bir-iki saat ve 8-12 kiinin katlm ile gerekle ir. Az saydaki kiinin katlmyla gerekletirilen grmede elde edilen sonular ileride yap lacak aratrmalarda do rudan kullanlr. Bu gruplarn oluturulmasnda katlmclann vasflanndaki e itlilik nemlidir. Ancak, rne in sosyal yardmlarn yeterlili i konusundaki grleri sorulan gruba sadece yallarn seilmesi daha uygun olabilir. Buradaki balang noktas, olabildi ince yansz (tarafsz) ve ilgili ana kitleyi temsil edebilen fikirlerin ortaya kmasdr. Bu teknikte birden fazla grup oluturulur. Genellikle en az grupla grme yaplr. Her grubun ortak karakteristi ine bal olarak genel dncesi birka oturumdan sonra belirlenir.

2.3.3.2 Telefon gr mesi

Bu tekniin stnlkleri, hzl kolay ve fazla pahal olmamasdr. Ayrca ok sayda kiiye ulama olana bulunduundan kapsayc bir tekniktir. Bu tekni in sakncalar olarak, basit sorulann sorulabilmesi, yantlann ksa olmas, baz insanlar n her soruya samimi yant vermemesi, kiilerin tavrlarnn gzlenememesi say labilir.

23

2.3.3.3 Mektupla anket uygulamas

Hedef kitlenin geni bir corafyada dalm olmas ve belirlenen yantlayc lann adreslerinin bilinmesi durumunda kullan lan bir tekniktir. Yantlayan ki ilerin dnmeye zaman olacandan detayl soru sorma olana vardr. Bu teknikte en byk problem gnderilen anketlerin geri dnmemesidir.

2.3.3.4 Yz yze yaplan anket

-

Katlmn yksek olmas ndan dolay ilk akla gelen tekniklerden biridir. Yant alamama olas l en aza indirgenir. Yarntlay clann davranlarn gzleme ve yanl anlalmalan dzeltme olana vardr. Ancak sorularn kolay anlalr ve anketin s kc olmayacak uzunlukta olmas na dikkat edilmelidir. Anketr gerektiren bu teknik olduka pahal dr.

2.3.3.5 Al veri grmeleri

-

Bu teknik, ok sk olmasa da, al-veri yerlerindeki m terilerin fikirlerini renmek amac yla pazar aratrmaclar tarafndan kullanlr.

2.3.3.6 Form doldurtmak

Baz veriler yeni kan rn satn 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 balangta karlalabilecek durumlar kapsayacak ekilde tasarlanmal dr. Durumlardaki de iimler dikkatle gzlenir. Bilimsel almalarda kullanld kadar olmasa da i letme yneticileri tarafndan kullanlan bir tekniktir.

2.3.3.8 Ki isel gr meler

Kiisel grme, aratrmac larn, ilgili ki ilerin fikir ve yakla mlarn' derinlemesine belirlemek amac yla kullan lan bir tekniktir. Bu yakla m nitel veri salad 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 tanmlamak ok nemlidir. al ma konusuyla ilgili birimlerin olu turduu 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 snftaki rencilerin snava alnp deerlendirilmesi, bir irkette al anlarn etkinlik lmleri vb. tm birimler say lr veya llr. Bu ekilde tan mlanan bir grubun elemanlarnn bir zelliine ait tm verilerin saylmasma tam saym (census) denir. Birok istatistik al mas nda ana kitledeki tm birimlerin lm veya saym' zor, pahal hatta olanaks z olabilir. rne in stanbul Ticaret Odas na (TO)'na kay tl tm yelerin dahil edildi i bir almada btn yelerin telefon numaralarn , adreslerini elde etmek olduka zor olmas nn yannda, al mann 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 kullanlamaz duruma geldi inden elimizde birim kalmayabilir. Tam say mn yap lamad durumlarda ana kitlenin bir paras alnarak incelenir ve ana kitle hakknda kanmda bulunulur. Bir ana kitleden seilen alt kmeye rnek (rneklem) denir. statistikteki bir ana kitle bir vasfa ait gzlem veya deney sonular ndan oluur. Ana kitledeki ki iler, kurumlar veya nesneler de il bunlarn bir vasf na (karakteristi ine) ait veriler yer al r. rne in, bir i letmede al anlarn yalar ile ilgileniyorsak ana kitle ki ilerin yalanndan oluur. alanlar n her biri ise ana kitlenin ba lang birimi olarak isimlendirilir. Balang birimlerinin oluturduu topluluktan e itli ana kitleler elde edilebilir. Bir ana kitlenin balang birimlerini tanmlamak nemlidir. Bu tan m aratrmann erevesini olu turacakt r. Balang birimlerinin oluturduu toplulua rnekleme erevesi denir. Bir i letmede al anlar rnekleme erevesi, al anlarn yalar kmesi bir ana kitle, al anlarn cinsiyetleri kmesi baka bir ana kitle olacakt r.

25

istatistik ara trmalarnda problemle ilgi ii rnekleme erevesinde tanmlanan ana kitleden, bu ana kitleyi temsil edebilen rne in seimi ok nemlidir. Tam say m yapamad mz veya maliyetine katlanamad mz 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 elemann bulunmasnn yannda elemanlar rnekten rne e deikenlik gsterecektir. Bu durumda, al nacak bir rne in her bir eleman bir de ikenin gerekle mi deeri olacaktr. N birimden olu an bir ana kitleden n birimlik rnek alm sak, bu rnek, xj, x2, x3,...., x de ikenlerinin alabilece i deerlerden birer adedinin oluturduu bir veri toplulu u olacaktr. Burada belirtilen xr, x2, xn deikenler toplulu una rneklem denir. rneklem, bir kal p olup bunun her bir gerekle mesi ise bir rnek olmaktad r. rneklem tasanm ve rnek alma ilemine ise rnekleme denir.
,

2.3.5 rnekleme teknikleri

rnekleme teknikleri iki grupta toplanabilir. Birincisi, ana kitledeki her birimin rne e girme ansnn e it olduu rastlantsal (tesadfi) rnekleme, ikincisi rne e girme anslarnn eit olmad rastlant sal olmayan veya keyfi rneklemedir, Burada sz edilen rastlant sallk kelimesinin istatistikteki anlam , geliigzel seim veya bir kurala bal kurala bal kalmadan seim deildir. Rastlantsallk, ana kitledeki birimlerin rne e girme ansnn eit olmas anlanndadr. statistikte kullan lan formllerin a rlkl olarak dayana rastlantsal rneklemedir.

2.3.5.1 Basit rasgele rnekleme

K saca rnei oluturacak birimlerin her birine e it ans verecek ekilde seimle gerekle tirilen rneklemey-e basit rastlant sal rnekleme denir. Ayrca n birimden oluan her rne in ansnn dier 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 rann herhangi bir yerinden balamak zere her k birimden biri alnacak ekilde seim yap lr. N=10000 olsun, n=100 tanesi incelenmek istensin. 100 say iinden biri balang says 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 farkllklar gsteriyorsa bu birimleri katman ad verilen homojen alt gruplara ayrmak gerekir. Olu turulan katmanlann her birinden rasgele seimle rnek alnr 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 dalm gibi demografk deikenler 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 tanmlanabilir. Aratrmada rnekleme erevesinin tan mlanmasmn zor olduu durumda bu rnekleme teknii akla gelir. Dier bir kullanm nedeni ise birimlerin ok geni blgeye yaylm olmasdr.

2.3.5.5 Monografi tekni i

Monografi tekni inde bir tek birim al narak e itli ynleri incelenir. Ana kitledeki birbirinden farkl lk gstermiyorsa bir birimi inceleyerek ana kitlenin bileimini anlama olanamz vardr. Dayankl tketim maddeleri gibi seri retimden kan her birimdeki karakteristiklerin ayn deeri almas gerektii dnlen birim-terden oluan ana kitleden seim iin uygun olan rnekleme tekni idir.

27

2.3.5.6 Keyfi rnekleme

Bu teknikte aratrmac run kiisel yargs na gre seim yap lr. rne e girecek birimlerin e it ans yoktur. Birimler aras ndaki zellik farklar gzetilir. rnekleme erevesindeki birimlerin benzer olmamas durumunda ele alnan deikene gre rne e irmesinin yarar daha fazla olaca dnlen birimlere daha fazla a rl k verilir. Bu rnekleme tekni inde belirli bir sistem benimsenece i gibi, bir sisteme bal kalnmadan 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 sndan, farkl lk gsteren balca 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 lii kimi zaman %5 olmaktadr. Kotalan belirlemede bir s nrlama olmamakla birlikte incelenen deikene gre her grubun rnek erevesi iindeki a rl na baklarak kota belirlemesi yayg ndr.
-

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 anlalabilirliini artrmak iin tablolarla gsterimi tan mlayc (betimleyici) istatistiin ana basamaklarmdan biridir.

2.4.1 Sklk dalmlar

Konuya girmeden nce a klanmas gereken baz tanmlar vardr. Bu tanmlar bir rnek zerinde tart alm: Bir firrnadaki 50 adet haftal k sat tutarlaruu veri olarak toplad mz varsayal m. Veriler aadaki 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 bakta satlar hakknda 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 bye olabilir. Byklk (kklk) s rasna gre dizilmi haldeki verilere seri denir. Tablo 2.2'de sat tutarlarm n kkten bye s raya dizilmi hali grlmektedir. Tablodaki maksimum de er ile minimum deer arasndaki farka yaylma band (ranj) denir. Yay lma bandnn uygun say da alt aral a blnerek her aral kta ka gzlem olduunu belirleyerek hazrlanan tao oya snfl seri denir.her snf aral nda bulunan de er say sna ise sklk (frekans) denir. Toplanm olan veriler nominal veya s ral lekte olabilir. Bu durumda sn fl seri yerine s klk serisini dzenlemek uygun olacakt r. Nominal ya da sral lekte az say da deer alabilen bir de iken iin hangi deeri ka defa ald n gsteren seriye sklk serisi denir. Bir s klk serisi yetilerin da l mn, smfl seri ise verilerin yo unluk dalmru gstermektedir, S klk serisi veya s nf' serilere ksaca sklk da lmlar 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 Sklk dahmlarmn oluturulmas

Bir suufl seri oluturmak iin nce suuf say s belirlenir. S nf says, verilerin oklu una gre, genellikle 5 ile 20 aras nda olur. Aradaki baz snf aralklannda gzlem olmamas uygun bir ekil deildir. Aynca =fil seri oluturulduunda bilgi kayb olabilir. Dolaysyla fazla geni snf aral fazla biligi anlamna gelir. Tablo 2.3'de bir smil sklk serisi grlmektedir. Alt S n r 100 200 300
400 1500

Ost S nr 200 300 400 500 600

Sklk (Frekans) 30 48 66 34 19

Tablo 2.3 Bir S nfl Sklk Serisi Smith sende her aral n orta noktas n deikenin ald deerler olarak varsay p sklk da'lmn yazdmzda da sklk serisi elde etmi oluruz. Ancak bu sende her gzlemin ait oldu u araln orta noktas ndaki deere e it olduu varsaylr. Herhangi s nfl sende her s nfn alt snrna eit veya alt snrndan byk deerlerin say sn veren dalma azalan birikimli (kmlatif) s klk dalm denir. Son snf aralna gelindiinde birikimli sklk, o aralktaki sklk olur. Son snf aral ndan sonra bir s nf aral varm gibi dnlerek son snf aralrun st snrna eit veya daha byk de erlerin say s sfr

30

kabul edilir. Bir =dil sende her s nfn st snnndan kk olan gzlem deeri say larn veren dalma artan birikimli s klk dalm denir. Tablo 2.4'te artan ve azalan birikimli s klk dalmlan grlmektedir. Alt Snr 100 200 300 400 500 600 Azalan Birikimli S klk (Frekans) 197 167 119 53 19 0 st S nr 100 200 300 400 500 600 Artan Birikimli Sklk (Frekans) 0 30 78 144 178 197

Tablo 2.4 Artan ve Azalan Birikimli S klk Dalm

2.5 istatistik Verilerinin Tablo Ve Graf klerle Sunulmas

istatisti.in ura alanlanndan bir ksm da basitle tirme, zetleme ve grselletirme(sergileme) ile ilgilidir. S klk da l miann bir tablo eklinde oluturma bir toparlama, derleme i lemidir. Tablolar her zaman kolay anla lr olmayabilir. Grafikler verilerin grselle tirilmesidir.

2.5.1 Histogram
Histogram, yatay eksende de ikenin ald deerlerin, dey eksende sklklann bulunduu, her araln skl ile orantl boydaki dikdrtgenlerle gsterildii yo unluk g,rafidir. Bir rnekle ac ldayalm. Aadaki tablo 2.5'te bir s ruftaki rencilerin not da lm grlmektedir. S nf Aral S n f Orta Nokns(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 Dalmlan

31

Bu verilere gre histo ram da aadaki ekil 2.1'de izeriz. Smith sende aral k boylar eit ise yo unluklan do rudan dey eksende okuyabiliriz. Ancak s nfl serideki aral k boylann n eit olmamas durumunda histogram izerken yeni bir dzenlemeye gidilir. Histogramda, dikdrtgenlerin alanlar younluklan gsterdi inden, eit olmayan s nf aralklan kullaruhrken geni aralklardaki younluklar olduundan fazla, dar aral klardaki younluklarda olduundan az grlecektir. Bu nedenle e it olmayan snf aralklan kullanldnda 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 Skl k okgeni poligonu (Frequency Polygone)

Histogramdaki s nf aral klannn orta noktalarn' apsis, snf sldklann ordinat kabul eden noktalar n (histogramdaki dikdrtgenlerin st kenar orta noktalannn) do ru paralar ile birle tirilmesinden olu an grafktir. Grafin ular yatay eksen ile birle melidir. Bunun iin s nfl serinin banda ve sonunda sfr skla sahip birer s nf aral dnlerek grafin ular yatay eksenle birle tirilir. Histogramdaki dikdrtgenlerin alanlar toplam ile sklk okgeni altnda kalan alan birbirine e inin Sklk okgeni de bir yo unluk grafiQi olup skl k yo unlklannn dalmn 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 mnn Skl k okgeni

2.5.3 Daire grafi i

Nominal lekte toplanm veriler iin, kategorik veriler iin veya az sayda sn fa aynlabilen veriler iin kullan labilecek bir veri trdr. Her s nf veya kategori, bulundurdu u sklkla orant l byklkteki dilimlerle gsterilir. Toplam veri say s 360 'lik a ya kar l k gelir. Her s n ftaki s klk btne oranlanp 360 ile arp ldnda dilimin bykl bulunur. Daire gafi inin zel ekli olarak, iki boyutlu izimi de kullan lmaktadr. ki boyutlu daire grafi ine pasta grafi i de denilmektedir. Daire grafi inde esas alnan sn f say s az olmal dr. ok olmas durumunda daire fazlaca dilimlenece inden verilmek istenen mesajgrnt bozulacakt r.

33

lkemizin 1960'daki GSMH iindeki Sektr Paylar

u Tarm %45

ekil 2.3 Trkiye'nin 1960 Y lna 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 lna 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 grafklerdir.

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 grafkleri uygulamalarda s ka kullan lmaktad r. Oluturulmas ve izlenmesi kolayd r. Bir olayda birden ok alt durumu baaryla sergilerler.

35

3. BLM KALTE KONTROLNDE STATSTK BLGS - II

VERLERN LLERLE IFADE EDLMES

(Merkezi E ilim ve Deiim lleri)

OLASILIA GIRI NEMLI DAILIMLAR

3.1 Giri
Istatistiksel yntemler, olaylar ve durumlar tanmlamak iin veya belirsizlik alt nda en do ru karar vermek iin kullanhrken ok miktarda saysal bilgileri baz zet bilgiler haline getirir. Istatistiksel analizlerde, say sal verilerin tablolar ve grafiklerle sunulmas ou kez yetersiz kalmaktad r. Profesyonel istatistiksel de erlendirmelerde bir takm zet rakamsal de erlerin bulunmas gereklidir. Bu de erlere dalmn pararnetreleri denilmektedir. rnein, iki dalmn karlatnlmasnda parametrelerin kullanlmas daha uygundur. Bir dalmn dierinden farkn salayan balca zellikler, dalmn toplanma noktalar ve bu noktalar etrafnda birmlere ait gzlem de erlerinin ne lde yaylm olduklandr. Ayrca bir sklk dalm hakknda baz bilgiler edinmek yada s klk dalmlanm karlatrmak iin sadece e ilim lleri yeterli de ildir. Merkezi eilim yada konum lleri etrafndaki yaylma derecesini, de ikenin alabilece i deerlerin birbirinden ne kadar farkl olabileceini gsteren llere de phesiz gerek vard r. Bu blmn amac, istatistiki uygulamalarda s ka kullanlan merkezi eilim ve deiim lleri hakknda ksa ve zet bilgiler vermektir.

36

3.2 Merkezi E ilim lleri

S klk dalmlann n birbirlerine gre yerlerini, uzakl klann, merkezi eilim yada konumlarn gsteren llere merkezi e ilim lleri ad verilir. Bu al mada uygulamalarda en s k karlalan tanesi verilecektir. Bunlar, aritmetik ortalama, ortanca ve tepe de eridir. Anlatmlar meldem zerinden elde edilen bilgiler iin yap lmtr Aynca not edilmelidir ki herhangi bir eilim lsnn alaca deer daima dalm snrlar iinde olmal dr.

3.2.1 Aritmetik ortalama

En sk kullanl eilim 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 kullanlan biimiyle hem basit sende ve hem de s nflandnlm verilerde verilecektir.

3.2.1.1 Basit seride aritmetik ortalama

S nfiandnlmam XI , X 2 ,- -,X,, gibi bir serinin aritmetik ortalamas ,
.

= 1 =1 In eitlii ile verilir. E itlikte; X aritmetik ortalamay , X, , gzlem de erini ve n ise gzlem saysn gstermektedir.

rnek - 1: Bir rencinin alt snavdan 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 Snflandrlm verilerde aritmetik ortalama

S klk tablosu dzenlenmi verilerde aritmetik ortalama .5< = eitlii ile hesaplan r. Bu eitlikte; aritmetik ortalamay , k.!

fi

j. snfn

gzlem saysn, Xf , j. snfn sn f orta de erini ve n ise toplam gzlem saysn gstermektedir.

37
rnek-2: A niversitesindeki 100 rencinin arlklanna ili kin sklk (yada Frekans ) dalm tablosu Tablo 3.1 'de verildi i gibidir.
Snflar (J) 1 2 3 4 5 Arlk (kg) 60-62 63-65 66-68 69-71 72-74
--,k

Toplam: Li_ i f) .--= n

Sklk ( fj ) 5 18 42 27 8 100

Tablo 3.1 A niversitesindeki 100 rencinin arlk dalmlan rencilerin arlklanna ilikin 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 edilmitir. rnegin, birinci de er, X, = (60 + 62)/2 = 61 bulunur. Stuna ait dier deerler de ayn ekilde bulunmutur. Yine ayn tablonun (5.) stun deerleri de s nflann sahip olduklar deerler ile ayn snflann s nf orta deerlerinin karlkl birebir arp m sonucunda elde edilmi lerdir. rnegin, birinci deer iin bu hesaplama, fl .X7, = 5(61) = 305 'dir.
-

( 1 ) S n flar

(2.) Arlk

(j)

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

(3- ) S klk

(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 arlklan iin Aritmetik ortalama i lemleri

38

Tablo-2'nin (5.) stun ve Toplam sat n= kesi tii deer aritmetik ortalaman n paydasn oluturmaktadr. Sonu olarak aritmetik ortalama,

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

3.2.2 Ortanca (Medyan)

Ortanca, bir da lm iki eit paraya blen bir e ilim lsdr. Bu blmde ortanca, aritmetik ortalamada oldu u gibi basit seride ve snflandrlm verilerde anlat lacaktr.

3.2.2.1 Basit seride ortanca

Basit seride, X , X, . -, X gzlem deerleri kkten by e yada bykten ke do ru sralanr. O. R. ile gsterilen ortanca, gzlem say s , n 'e bal olarak takipteki gibi tan mlanr. a. E er n tek ise X[(n )/2I nci gzlem de eridir.

O. R.= b. Eer n ift ise X [/,1 ' nci gzlem de eri ile X i(n+2v2 'nci gzlem deerinin
aritmetik ortalarnas dr.
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 ralanr.

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. Ortancann 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 sralanm 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 sralanr.

-

XI X2 X3 X4 X5 1 1 2 3 4

X8 X9 X I o
5 6 9 11

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

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

3.2.2.2 S nfland rlm verilerde ortanca

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

O.R.= L,, + c

(n/2) Ni

fortanca

yard myla hesaplanr. Bu son e itlikle; L A , ortanca s nfnn alt s nr ile ortanca s n f ndan bir nceki s nfn st s n r de erlerinin aritmetik ortalamas n , N, , ortanca s nf ndan bir nceki s n fa kadar olan birikimli , ortanca s nfnn skl n, n, gzlem ...den daha az s kl k deerini, fo say s n ve nihayet c ise sn f aral n' gstermektedir.
, a, a

rnek 5: rnek-2'de tan mlanan ve Tablo-3.1'de verilen A niversitesindeki 100 rencinin arl klarnn sklk da lm 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 nfn sn f alt de eri ile kendisinden bir nceki snfn 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 bulunmutur. Yine ayn tablonun (4.) stunundaki ...den daha az s klk deerleri de s nflann sahip olduklar sklklann bir nceki s klkla toplanmas sonucunda elde edilmi lerdir. rnegin, ilk de er iin bu de er 59.52'den daha kk deer olmad iin s frd r. kinci deer iin be , nc de er iin ise
-

40

kk de er olmad iin sfrdr. 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 bulunmulard r. Bylece elde edilen tablo 3.3 takipte verildi i gibidir. (1.) (2.) Arlk S klk (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 klk 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 arlklar iin Ortanca i lemleri ncelikle n ift saydr ve 100/2 = 50 'nci gzlem de eri ortancaya kar l k gelmektedir. L 4 = 65.5, bu deer 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 nr deerleri aras ndaki farktr. = 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 deeri (Mod)

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

3.2.3.2 Sunfland rdm s verilerde tepe de eri

Bu tr yerlerde tepe de erini, en ok s kln grld snf deeri olarak almak her zaman do ru bir karar olmaz. Bu nedenle, s klk tablosu

2 dzenlenmi verilerde tepe de eri, T.D.= LA -1-C[F I(F + F )] eitlii ile hesaplanr. Bu e itlikte; T.D., tepe de erini, L A , en byk skln bulunduu snfn snf alt de erini, c , snf araln, F1 , en byk sklk ile bir nceki sklk aras ndaki fark ve F2 ise en byk s klk ile bir sonraki sklk arasndaki fark gstermektedir.
rnek 7: rnek-2'de tanmlanan ve Tablo-3.1'da verilen A niversitesindeki 100 rencinin arlklannn sklk dalmna ilikin tepe de erini bulunuz.
-

zm 7: Tablo-3.1 'e dnersek en byk s kln 42 olduu grlr. Dolay syla 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 iim lleri

Bu blmn giri ksm nda belirtildi i gibi bir sklk dalm hakknda bilgiler edinmek yada bu da lmlan karlatrmak iin e ilim lleri yeterli deildir. 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 anlatlacakt r. Bunlar s rasyla: De iim genili i (ranj), mutlak sapma (ortalama sapma), varyans ve standart sapma, nihayet de iim katsay sdr.

3.3.1 Dei im genili i

Bir sklk dal 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 iim genilii, R = X ,, X eitlii ile verilir.
rnek - 8: rnek-3'de verilen gzlem de erlerinin de iim geni lii katr. 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 , genilii, deiim

Deiim geni lii, dalmdaki an u de erlerden etkilendi i iin gzlem saylar eit olmayan iki rne in karlatrlmasnda kullanlmas uygun bir l de ildir.

3.3.2 Mutlak sapma

Gzlem de erlerinin ortalamaya olan sapmalar nn 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 eitli i ile hesaplan r. Bu e itlikte; X, , i. gzlem de erini, )7, aritmetik ortalamay ve n ise gzlem say sn gstermektedir. Ayn ekilde

43

snfland nlm verilerde de mutlak sapma tan mlanabilir. yleki ; f , j. snfn skl, X, , j. snfn sn f orta deeri,

)7 , sklk dalmnn aritmetik

/j=i f j 13< '

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

eitlii ile verilir. Not edilmelidir ki; mutlak sapma, ortanca de eri kullanlarak ta hesaplanr. 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 ramen, mutlak sapmalar gz nnde bulundurdu u iin zay f bir deiim lsdr. Bu trl bir sak ncay ortadan kald ran ve uygulamalarda yayg n biimde kullanlan 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 arl klar= skl k dalmna ili kin mutlak sapmay bulunuz. Cevap: M. S.= 2.265 'dir.

3.3.3 Varyans ve standart sapma

Bir dalm tanmlayan iki nemli l ortalama ve varyanstr. Varyansn pozitif kare kk ise standart sapma olarak bilinir. Uygulamalarda kitle varyans , 62 , rnek varyans ise S' ile gsterilir. Doal olarak, okitlenin, S 'de rne in standart sapmas olur. Burada , standart sapma hem basit serilerde ve hem de s nflandnlm verilerde anlatlacakt r.

44

3.3.3.1 Basit seride standart sapma

Basit sende standart sapma, S= , -

n-i eitlii ile verilir.

Bu eitlikte; X, i. gzlem deeri, aritmetik ortalama ve n ise gzlem saysdr. rnek standart sapmas ile kitle standart sapmas aras ndaki tek fark, eitliin paydas ndaki ii yerine j` ve paydada N yerine ( -1) c kullanlmasdr. 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 bulunmutu. 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 nfland rlm verilerde standart sapma

Bu tr verilerde standart sapma, S
=

\L

/ -

__. 2 /R-1

eitlii

, kullanlarak hesaplan r. Bu e itlikte; Bu e itlikte; f., .,"; s nfn skl , snfn ortalamas , X , aritmetik ortalarnay ve ise gzlem say sn gstermektedir. S nfland nlm verilerde rnek standart sapmas ile kitle standart sapmas aras ndaki tek fark, basit serilerde de not edildi i gibi N yerine (4- 1) kullanlmasd r.
rnek-11: rnek-2'de tan mlanan ve Tablo-1 'de verilen rencilerin arl klanna ili kin standart sapmay hesaplaynz. 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. Dolays yla varyans ise S2 = (2.92) 2 = 8526 'dir. Arlk (kg) 60-62 63-65 66-68 69-71 72-74 Toplam Sklk
(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 arlklar iin Standart sapma i lemleri

3.3.4 Deiim katsays (V)

Standart sapma, ortalaman n yzdesi olarak tan mlandnda deiim katsays adn alr ve V ile gsterilir. Matematiksel olarak, V = (oi:Y) x 100 eitlii ile verilir. Bu eitlikte; 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 arlklanna ili kin deiim katsaysn hesaplaynz. zm-12: rnek-2'de ortalama, 7Y = 67.45 kg. ve rnek-11'de standart sapma, o 2.92 bulunmutu. O halde; de iim katsays , V = (4:7 I x 100 = (2.92/67.45) x 100 = %4.33 bulunur. Standart sapma de eri, l birimine baldr. Bu nedenle ayr l birimleri ile llm iki farkl da lmn karlatnlmas nda de iim katsays kullanlmas yerinde bir karar olur.

46

Iki bamsz dalma ilikin deiim katsaylar karlatrldnda hangi deiim katsays daha kk ise o dalmn daha az de iim gsterdii (yani, daha homejen olduu) 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
-

deerlerinin: a. Aritmetik ortalama, ortanca ve tepe de erini bulunuz. b. Deiim genilii, mutlak sapma, standart sapma ve de iim katsaysm 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 aratrma sonucu Tablo-IV.5'de verilen sonular elde

edilmi tir.
Snflar (.1)

Arlk

Sklk
(.7;) 5 12 16 12 5 50

1 2 3 4 5

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

Tablo 3.5 50 gzlem deerinin sklk dalm tablosu Tablo-3.5'deki veriyi kullanarak: a. Aritmetik ortalama, ortanca ve tepe deerini bulunuz. b. De iim geni lii, mutlak sapma, standart sapma ve deiim katsaysn 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 lk Kuram na Giri

statistikte kullanlan tm teorik dalmlar birer olas lk dalm dr. 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 bal deneyler olas ln konusunu meydana getirir. Olas lk, tesadflik sonucunda ortaya kan belirsizli i, say sal olarak ifade etmek iin geli tirilmi teorik istatisti in temel alan dr. Istatistik teorisi, kme ve olas lk kavramlanndan hareket eden formal bir yap olturur. Bu blmn amac , olasln tanmn ve zelliklerini vermektir. Olas ln tanm iin baz temel kavramlann bilinmesinde fayda vardr. Bu amala baz nemli kavramlar k saca rnekleriyle verilecektir.

3.4.1 Baz nemli kavramlar

rnek (yada rneklem) Uzay . Bu blmn giri k smnda, olas lk tesadfi deneylerle ilgilenir demi tik. te, bir tesadfi deneyin mmkn btn sonularndan oluan kmeye rnek uzay ad verilir ve S ile gsterilir.

rnek 1: Alt yzl hilesiz bir oyun zann n bir kez atlmas deneyinde rnek uzay n oluturunuz. zm 1: Oyun zannn alt yz ve bir kez at ldnda olduuna gre; bir, iki, , drt, be ve nihayet alt noktal yzn herhengi biri sonu olarak ortaya kabilir. yleyse rnek uzay mz artk oluturabiliriz. 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 uzayn oluturunuz. Cevap: Y ,yaz ve T, tura ile gsterilirse; rnek uzay S = {YYY, YYT, YTY, TY Y, YTT, TYT, 11 `Y, TTT} eklinde yazlabilir.
rnek Nokta. rnek uzay nn her bir elemanna rnek nokta ad verilir.

rnek 2: rnek- l'deki oyun zar nn her bir yz bir rnek nokta olu turur. Yani; , eleman say sn gsterirse rnek uzay , R= 6 elemanl bir uzay dr. Dolay syla bu rnek uzay = 6 tane rnek noktas vardr denir.
-

48

rnek uzay ierdi i elemanlann say sna gre ikiye ayrlr. Bunlar, sonlu ve sonsuz rnek uzay olarak bilinirler. Sonlu rnek uzay . Eer bir rnek uzay , sonlu sayda (yada say labilir sonsuzlukta) eleman ieriyorsa sonlu rnek uzay adn alr. rnek vermek gerekirse, rnek 1 ve dev-l'deki rnek uzaylan sonlu rnek uzay na birer rnek te kil eder. Sonsuz rnek uzay . Eer 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 noktalarn hepsini saymak (yada listelemek) olas deildir.

Olay. rnek uzay ndaki noktalann bir alt kmesine olay denir. Olas lkta
olay, tesadfi olay anlam nda kullanl r.

rnek 4: Alt yzl hilesiz bir oyun zarnn bir kez atlmas deneyinde A
-

olay, zann ift gelmesi eklinde tan mlanrsa bu olay , A = {2, 4, 6} ile tan mlayabiliriz. Benzer ekilde, hilesiz bir madeni paran n iki kez atlmas deneyinde en az bir yaz gelmesi olay n da B ile gsterirsek bu olay , B = {YY , YT, TY} eklinde ifade edebiliriz. Olaylar meydana geli durumlarna gre basit, bile ik, kesin ve imkansz eklinde snflandnl 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. Bileik 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 bileik olay niteli indedir.

49

Kesin Olay. Bir olay, ,S rnek uzay nn bir alt kmesi olduuna gre S'nin kendisi de bir olayd r. te bylesi bir olaya kesin olay ad verilir. mknsz Olay. inde hi bir elemam olmayan kme (baka bir ifadeyle bo kme) yada kesin olay n de ili de rnek uzay nn bir alt kmesi olduuna gre bylesi olaylara ise imkans z Olay ad verilir. Gerekli temel kavramlar bylece akladktan sonra artk olasln tanm verilebilir.

3.4.2 Olasl n tan m

Olasln farkl yoldan tanm yaplabilir. Bunlar k saca takipte verilecektir. Tan m-1: Bir tesadf deneyde n mmkn sonu ve ayrca her sonucun ortaya kma olasl birbirine eit olsun. m de bu deneyde ilgilenilen bir A olaynn sonu says ise (m_.5.n) A olaynn olasl, P(A) lgilenilen Olay n Sonu Says veya Ttim Mmkn Haller Says lgilenilen Olay n Eleman Says rnek Uzay run Eleman Says

m
n

olarak tanmlanr. Bu tan mdan takipteki sonular yaz labilir. 1. Olas lk daima s fr ila bir aras ndad r. Yani, 0 P(A) 5 1 . 2. Kesin olayn olas l , birdir. Yani, P(S) = 1 'dir. 3. mIdnsz olayn olasl , sfrdr. Yani, P(0) = O' d r. Tanm-2: Olaslk, her basit yada bile ik olaya sfr ila bir arasnda bir reel say karl k getiren fonksiyondur. Olas lk fonksiyonunun belirtildi i rnek uzayna olaslk uzay ad verilir. rnek-5: Alt yzl hilesiz bir oyun zamm bir kez atlmas 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 nn 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. Ayrca burada not edilmelidir ki rnek uzay nn her bir noktas na kar l k gelen olas lk birbirine e itse e ihtimalli olaylar uzaya da e ihtimalli rnek uzay ad verilir. Bu rnek e ihtimalli olaylardan olu an bir rnek uzay dr. Bir tesadf deney sonucunda olaylar n ortaya kma olasl birbirinden farkl olduu zaman Tanm-1 ile verilen olas l k tanm anlamn yitirmektedir. Bu durumda olas ln sklk tanm olarak bilinen takipteki tanmnn 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 mise A 'nn deneysel greli s kl , fin 'dir. rnek hacmi (gzlem say s ) n artarken greli s kl n n bir limite yaklat 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 olaylarnn ayn anda gzlenmesi imkans z ise bu olaylara ayr k olaylar denir. A ve B gibi iki ayr k olayn kesi iminin olas l , 'dir. P(An B) = O 'dr. nk (An B) = 2. A ve B iki aynk olay ise bu iki olay n birle iminin olasl , P(A B) = P(A) + P(B) 'dir. 3. A ve B ayrk olmayan iki olay ise bu iki olayn birle iminin olas l , P(A ..) B) = P(A)+ P(B) P(A n B) 'clir. 4. A olay , S rnek uzay nn bir alt kmesi olsun. A olaynn tmleyeninin (btnleyeninin) olas l , P(71) = 1 P(A) 'dr. 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 lk P(A,)
olsun. Bu durumda V P(A,) 0 ve P(A,) = 1 'dir.

51

3.4.4 artl(koullu) olas l k ve ba mszlk

Bir olay n gerekle mesi, baka bir olayn gerekle mesi art na bal olan olas lktr. A olay olduktan sonra B olaynn olmas olasl , eitli i ile verilir. Benzer ekilde, B olay P(BIA) = P(A n B)/P(A) olduktan sonra A olaynn olmas olasl , P(AIB) = P(A n B)/P(B) ile hesaplanr. A olay B olayna yada tersine B olay A olayna bal de ilse A ile B olaylar bamszdr 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 bamsz iki olay ise P(A n B) = P(A)P(B) = P(BIA)P(AIB) yazlabilir.
zm-6: A olay, iki zarn toplam nn 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) olduuna gre artl olaslk tanm 2/36 = 2/5 bulunur. Aynca gereince P(BIA)= P(A n B)/P(A) = 5/36 P(A) 5/ 36 ve P(B) = 2/36 olduklarna gre P(A n B) = P(A)P(B) yada 1/18 # 5/18 olduundan A ve B olaylar bams z deildir, baml dr denir.

52

3.4.5 Konu ile ilgili problemler

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

madeni

para

drt

kez

atlsn. ve

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

D = {Hi tura gelmemesi} olaylar tanmlansn. a. Deneye ait rnek uzay n oluturunuz b. A B , C ve D olaylannn gerekle mesi olas lklarn bulunuz. c. A ve B aynk olaylar m dr. d. A veya B yada (AL) B) olaynn gereklemesi olas l nedir. e. A veya C yada (A v C) olaynn gerekle mesi olasl nedir. f. B veya D yada (Bu D) olaynn gereklemesi 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

-

olduundan A ve B olaylar aynk de ildir,

Problem 2: Alt yzl ve hilesiz bir oyun zar arka arkaya iki kez at lyor. a. rnek uzayn n eleman say s katr. b. Toplamn en az sekiz olmas olasl nedir. c. Toplamn en fazla sekiz olmas olasl nedir. Cevaplar 2: a. 36; b. 5/12 ; c. 13/18
-

Problem 3: Bir s nfta 20 kz ve 30 erkek renci vard r. 15 kz ve 20 erkek rencinin salar siyahtr. Bu sn ftan tesadfen bir renci seiliyor ve siyah sal olduu grlyor. a. Bu rencinin kz olma olasl nedir. b. Bu rencinin erkek olma olas l nedir.
-

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

-

53

3.5 Baz nemli Olas lk Dalmlar

Bir rassal de ikenin aritmetik ortalama, varyans, asimetri ls ve basklk ls gibi baz nemli karekteristiklerin belirlenmesinde olas lk fonksiyonu ve olaslk yogunluk fonksiyonunun bilinmesi gerekir. Genel modeller bal bulunduklar rassal de ikenin trne gre `kesikli' ve 'srekli' nitelik kazanrlar.

3.5.1 Binom blnmesi (X: kesildi)

Bir deney iin szkonusu olan 'olumlu-olumsuz', `ba arl-baarsz', `geerli-geersiz' vb. iki mmkn sonula ilgilendi inde byle deneylere `Bemouilli deneyleri' ad verilir. `Bemouilli olas lk fonksiyonu' ise aadaki gibi gsterilir: P(x) = p .Y(I q) 1-x P(x) = 0 (x = 0,1 iin) (Dier durumlarda)

ki sonulu bir deney ardarda n defa birbirinden ba msz olarak tekrarlandnda `Bemouilli olas lk fonksiyonu'nun zel bir genellemesi olan `Binom olaslk fonksiyonu' elde edilir. X, n bamsz deneyde kar la lan `ilgilenilen trden' sonu say s olmak zere, tek bir deneyde ilgilenilen trden sonu elde etme olas l `p' ve dier trden sonu elde etme olas l '1-p'olduunda a adaki artlan salayan X'e `binom rassal de ikeni' denir. a) Deney say s n sabit olup, rassal deney ayn artlar altnda tekrarlanmaktadr. b) Tekrarlanan bu n deneyden herbiri iin 'olumlu-olumsuz', 'ba arlbaarsz', erkek-kadn' vb. eklinde iki durum vard r. c) p ve buna bal olarak (1-p) birbiri ard nca yaplan deneylerde deimemektedir. d) Deneyler birbirinden bamszdr.

54

e) Tek bir deneyde ilgilenilen trden sonu elde etme olas l 0,05. Binom Olaslk 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. Ayrca olas lklar toplam l' e eittir. rnek 1: Bir para 4 defa at ldnda, a) ki tura, b) En az bir tura, c) 'ten az tura gelmesi olas lklarn 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. Dolays yla binom olas lk fonksiyonu
P(x) = 4 C, ( / 2)x (1 / 2) 4' P(x) = 0

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

iin)

(Dier 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 olaslna sahip olaylarn tekrarl deneyleri iin uygun bir olas lk blnmesidir. Bir retimde kusurlu mamllerin, ok az grlen bir hastal ktan lenlerin, 100 yandan fala yaayanlarn, toprak kaymas ve sel basknlannn blnmesi poisson blnmesine uygun bir matematiksel model olu turmaktadr. Belli bir alan iinde rassal olarak da lan veya zaman iinde rassal olarak gzlenen olaylar n says X, u artlar salyorsa `Poisson rassal deikeni' adn al r: a) Farkl zaman aral ldannda veya farkl alanlarda ortaya kan olaylar bamszdr. 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

olasl (p) de i memekte ve p<0,05 e itsizliine uymaktadr. d) Deney say s sons7a yaklamaktadr, 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 says 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 siparilerinin 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 lk Fonksiyonu X ilgilenilen olayn ortaya kma says iken X'in olaslk fonksiyonu, = np > O olmak zere; P(x)

x,

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

P(x) = 0

olur. Bu fonksiyona `Poisson olas lk fonksiyonu' ad verilir. rnek 2: Saat 9.10'dan 9.15'e kadar geen srede bir sekreterin ald telefon konumalarnn ortalamas nn 3 olduunu varsayarak, bir sonraki gn ayn zaman aral nda sekreterin; a) Hi konu ma almamas b) Be konuma almas , c) ikiden az konuma almas olaslklann hesaplaynz. e -3 3x P(x) P(x) = 0 x (x = 0, I, 2,... iin) (Dier durumlarda)

a) Hi konuma almamas olasl : P(0)

e 3 3 o!

0,0479(1)

0,04979

b) Be konuma almas olasl : 0,0479(243) 120 P(5) 5!

e -3 3 5

0,10082

c) ikiden az konuma almas olasl : 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 = Vayans: 1.12 = Asimetri ls: a 3 =1 I NTX. Basklk ls: a4 = 3 + 1 /

3.5.3 Hipergeometrik blnme (X:kesikli)

Binom blnmesinde seim i lemi iadeli yaplrd. rnek mevcudunun ana kitleye oranla kk olduu hallerde rnek seimi iadesiz yap lm olsa idi bamszlk varsaym yaklak olarak geerli oldu undan binomun kullanlmas nemli bir saknca yaratmamaktad r. Buna karlk seimin iadesiz olduu ve rneklemin(rne in) ana kitleye oranla byk oldu u (nN > 0.05 ) hallerde Bernoulli denemeleri varsay mdan uzaklalmakta ve her birimin seilmesi olasl bir nceki seimin sonucuna bal olmaktadr. Bu ve benzeri durumlarda binom yerine hipergeometrik blnme kullanlr. zellikle "kalite kontrolunda" yayg n olarak kullanlmaktadr. Bir olayn toplam birim say s N olsun. Bunlar aras nda ilgilenilen grubun birim says 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 alnsn. 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 arpm kombinasyonu ekilde oluur. Bylece X: kesildi rasgele de ikenin olaslk fonksiyonu yledir;
-

58

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

zm : Buradaki olay "Hipergeometrik blnme" artlarn salamaktad 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 lk blnmeleridir. Bu blnmelerde de ikenin alabilece i deerler, `sonlu' veya 'say labilir sonsuzlukta' tam deerlerle ifade edilmektedir. Ne varki ara trmalarda o u zaman karlalan deikenler say lamayacak kadar ok de er alan deikenlerdir. Bu tr de ikenler 'srekli rassal de ikenler eklinde tanmlanmakta ve de ikenlere ili kin 'srekli olas lk blnmeleri' veya `olaslk yogunluk fonksiyonlan' dzgn bir e ri yaklamyla belirlenmektedir. Sz konusu e rinin ekli, gzlemi yaplan srekli deikenlere bal olarak de imektedir. Ancak birok uygulamal bilim

59

dalnda gzlemlenen srekli rassal de ikenlerin byk bir o unluunun frekans blnmeleri yakla k olarak an e risi grnmnde olup, 'normal olaslk younluk fonksiyonu' ad verilen bir fonksiyonla ifade edilmektedir. Normal olas lk fonksiyonu gerek teoride gerekse uygulamada en ok kullanlan bir matematiksel model durumundad r. Dier taraftan, normal blnmeyen bir anakitleden ekilen rneklemlerin ortalamalamun blnmesi, belirli artlar altnda normal blnmeye yakla r. Normal olmayan, hatta bazen ok asimetrik ekillerdeki blnmeler bile, de ikene uygulanacak basit dnmler sonucunda normal blnme eklini alr.
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

Olaslk Yo unluk Fonksiyonu

Srekli rassal de iken X'in olas lk younluk 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 = /.. dorusuna gre simetriktir. Di er bir deyile, p ortalamas tam ortadad r ve alan iki eit paraya bler.
b) f (x) erisinin altndaki ve apsisin yukans ndaki alan l'e e ittir.

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

3.5.5 Standart normal blnme (Z blnmesi)

Dei ik aritmetik ortalama ve varyanslara sahip btn normal blnmeler
Z

- ,

t[

P {x

_ a} = F(a) = Sa

,/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 olaslk yo unluk fonksiyonu;
f (z) 2r e cx) < z -i-co

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

61

Z deikeni normal bir blnmeye sahip olduunda, X'in a ve b aralnda bulunma olasl
1 2 P(Cl < X <b)=S -- e z r dz

27r

yani f (z) erisi altnda, apsisin yukansnda ve X=a ile X=b do rulan arasnda kalan alandr. Bu ilkeden hareketle, standart normal de ikenle ilgili eitli olaslklar hesaplamr. Bu hesaplamalan kolayla trmak iin eitli (z)
deerleri iin normal e ri alanlar tablolarndan (birikimli (z) veya birikimsiz (z) ) yararlan lmaktadr. 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 arasnda, d) 157 cm den az veya 177 cm den fazla, e) 185-189 cm arasnda olanlarn oramm hesaplayalm 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) yazlr. 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 olanlarn 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 Olanlarn 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) yazlar. Z tablosundan ; F(1.25)=0.8944 , F(0.75)=0.7734 okunur. Bylece boy uzunluklan 153-185 cm aras nda olanlarn 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 uzurllklan 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 lr. Yine Z tablosundan ; F(1.5) = 0.9332 , F(1.25)= 0.8944 okunur. Sonuta ; Boy uzun1uldan 185-189 cm aras nda olanlann oramu ; 0.9332 0.8944 = % 3.88 'd r.
rnek 5 : Bir snavda notlar Normal da lma uymaktadr. S navn not ortalamas = 70 puan ve standart sapmas = 10 puan bulunmutur. Buna gre rasgele seilen bir rencinin notunun; a) 75 'den byk olmas olasl katr? P(X>75)=? b) 60'dan kk olmas olasl katr? P(X<60)=? c) P( 40<X<70) =? zm : Burada X N( 70 , 100) oldu u anlalr. Buna gre a) P(X > 75) = P( Z > (75-70)/10 ) = P(Z>+0.5) = 1- F(0.5) yaz lr.

Z tablosundan F(0.5)= 0.6915 okunur. Sonuta 1- 0.6915 = 0.3085 bulunur. Dier bir benzer anlamda ; "s nava girenlerin %30.85' i X=75 puann zerinde not almlardr." b) P(X<60)=P(Z< (60-70)/10 ) = P(Z< -1)=F(-1)=1 F(1)=1 0.8413=0.1587 Yani "snava girenlerin % 15.87 'si X=60 puan n altnda not almlardr. c) P( 40<X<70) = P( -3 < Z < O ) = F( 0 ) F(-3) = F(0) 1 +F(3) yaz lr. Buradan ; bulunur. Yani " s nava P( 40<X<70) = 0.5000 1 +0.9989 =0.4989 (40 ile 70 puan) arasnda not almlardr. girenlerin % 49.89

64

3.6 Bir Da lm n Normalli ini Bozan Nedenler

1. Fiziksel snrlar dolaysyla dalmn belirli bir noktadan teye gerememesi, 2. Herhangi bir arza nedeni ile yanl deerler veren bozuk lme aletinin kullanlmas, 3. lmeyi yapan ahsn psikolojik sorunu ve saplant lanrun varolmas , 4. % 100 muayene yap ldnda normal dalmn u ksmlar= bozulup, keli, dikdrtgen dalmn olumas , 5. Fiziksel artlardaki de imeler. Farkl malzeme ve takmlann kullanm. 6. Normal dalm erisinin en yayg n kullanm alanlarndan birisi de "Spesifikasyon" kontroludr.

3.7 Kalite Kontrol Uygulamalar

rnek 1 : Adapazarnda 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 hattndan rasgele al nan 100 adet n amurluk' muayene edilerek "salam / bozuk " eklinde snfiandnlmaktadr. Muayene sonucunda 2'den fazla bozuk bulunduunda imalat durdurulmaktad r. Herhangi bir zamanda imalatn durdurulma olas ln hesaplaynz. zm 1 : Poisson da lm ile, Kabul say sna C denirse, C 5 2 halinde kabul, C > 2 halinde red karar na varlacaktr. 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 dalm ile sonuca gitmek grld gibi zordur. Bu durumda Poisson dalm 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 mn Ortalamas =0.5000 cm ve Standart sapmas = 0.0005 em olduu taktirde, ivilerin ap n n ; a) 0.49902 cm ile 0.50098 cm aras nda olmas olas l katr? 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 yaplma) olasl kat r? zm 2 : Normal da lm 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 stma 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 hesaplaynz. zm 3 : Hipergeometrik da lm 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 kullanm iin imal etti i "zmba 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 zmba teli kutusu ihtiva eden bir ambalaj kutusunun kabul edilme olasl nedir? zm 4: a) Hipergeometrik da lm ile ; 2 C O . 98 C 20 P( X O) 50 C 5 Binom dalm 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 lmn n Normal dalma yakla mas ile , Burada , 1,1= n.p = 1000 . (0.05) = 50 , = = n.p.q = \T600.( 0.05).(0.95)\ 6.892 hesaplan r. 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 , aadaki ekil 3.2'deki gibi 3 balantdan olu maktad r.

ekil 3.2 Montaj Balantlar

X , X2, X3 aadaki 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 balant paralar "farkl makine ve i i tarafndan imal ediliyor" X1 , X2, X3 birbirinden bamszdr denir. Buna gre montaj uzunlu u Y `nin 83.8 cm ile 84.2 cm aras nda bulunmas olas l nedir? zm 6: Normal dalm ile, Y = X1 + X2 + X3 'den Y Normal da lr. 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 arl 0.5 k ve standart sapmas 0.1 k olarak Normal dalan 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 rlklar g5znnde bulundurulmakszn rasgele seilen bir paletin 2510 k 'dan ar gelmesi olasl nedir? zm 7: Normal dalm ile , Y = X + X2 + X3 + + X5000 gibi gsterilmektedir. Buna gre y = 5000 . ( 0.5 k) = 2500 k , 62y =5000 ( 0.1 k2) = 50 k2 syla P ( Y > 2510 ) = P ( Z > (2510-2500) / 7.071 = 0.07929 bulunur. Dolay

< o.1
B

P < O .1

np > 10 P

A 15
N

ekil 3.3 Olaslk Dalmlarmn Balantlar

69

4. BLM GELENEKSEL KALITE KONTROL TEKNKLER

" TEMEL SORUN BULMA-ZME TEKNKLER"

4.1 Giri
retimde kalite kontroluna "Sre kontrolu" ad verilir. retimin her safhasnn kontrol altnda tutulmas iin eitli kalite kontrol teknikleri gelitirilmi tir. Bunlar yedi method olarak bilinir. 1. 2. 3. 4. 5. 6. 7. etele diyaram (frekans da lm) Historam (Stun grafi) Pareto Analizi Sebep-sonu Analizi (Klk diyaram) Tabakalama Serpilme diyaram Kontrol Grafikleri

Bu metdotlann tek tek kullan m mmkn olabilecei gibi kalite problemlerini zmek ve hatalarn 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 tamazlar. Ancak sorun belirleme ve giderme etkili yntemlerdirler. Kalite Kontrol gratiklerine ise kitab n beinci blmnde aynntlanyla yer verilecektir.

70

4.2 Pareto Analizi

"Pareto analizi" Dr. Vilfredo Pareto taraf ndan gelitirilmi olup, Ksaca ; bir sonu elde edilmesinde eitli faktrler tarafndan oynanan rollerin tesbit edilmesi iin bir ara olarak kullan lmaktadr. Bununla birlikte "Pareto da lm" da olaslk dal mlar iinde yer almaktadr. Yine bu dalm ve analizi "Maliyet ve hata analizi yapmak " iin de kullanlr. Bu analizle de i ik paralar iin retim hatalar nn direkt i ilik giderlerinin veya maliyetin % ne kadar n oluturduu gsterilebilmektedir. Bylece kalite kontrol elemanlar emeklerini daha verimli bir ekilde kullanmaya ynelirler. Bu da lmdan ve analizinden yararlanarak hangi paralarn maliyet bakmndan nemli olduu tesbit edilir. Dolay syla, kontrol almalar daha ok bu paralar zerinde yo unlatrlr. Dier paralar iin kritik para olmad srece gev ek kontrollerle yetinilebilir. Pareto analizine ba ka bir yndem bakldnda; rnein, tm gider kalemleri kurum iin ayn nem tamaz. Genellikle giderlerin o unu 2-3 kalem olu turur. Pareto dal m ile bunlardan en arlkl olan olanlar sralanabilir ve kalite geli tirme almalar bu bir ka kaleme yneltilebilir. Hata oranlarna gre yap lan bir pareto analizinde nemli olarak ayr lan birka eit hatann toplam skartann byk miktarn meydana getirdi i grlr. Pareto analizleri, eitli olaylara ilikin sonularn %80'inin %20 'lik sebeplerden kaynakland varsaym na dayanr ve kaliteyi etkiledi i dnlen tm unsurlarn deerlendirilmesi iin yap lr. Analizlerde kullanlan grafik-diyaram temel sorunu olu turan alt problemler ya da sebeplerin yzde etkilerini soldan saa azalan bir dzende grafksel gsterimini salar. Pareto grafi i, problemin tanmlanmas ve yaplan iyile tirmenin seviyesinin llmesi amacyla kullanlabilecek nemli bir arat r. Aadaki ekil 4.1 "Hatam dalmn gsteren" bir Pareto grafidir.

71

c.

H ta ur rn

ekil 4.1 Hatann da l mn gsteren bir Pareto grafi

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 ralanr ve Pareto grafi oluturulur. 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 Aknts

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, iletmelerde kalite sorunlar nn nedenlerini belirlemek iin bir metod geli tirdi. Bir hayli ba arl olan ve kendi ad yla da anlan bu ynteme "Balk kl diyaram " da denilmektedir. Bu diya ram, hammadde aamasndan eitli i lemlerle ulalan son rn a amasna kadar bir i lem srecinin sunulduu yararl bir diyaramdr. Uygulamas olduka basit olan bu yntem, sorunun nedenlerini sistemli bir biimde ara trmaya yneliktir. ekil 4.2 "yap sal olarak balk kln " gsterir.
NEDENLER

Ak neden

Ana neden

ekil 4.2 Balk kl Diyaramn sol tarafnda "Nedenler" , sa tarafnda da "Sonu" yer alr. Tek bir sonu genellikle bir sorun- inceleme konusudur. Nedenler ise ana gruplar halinde ele al nr , her ana nedenin alt nedenleri vard r. Tipik olarak sorun bir kalite zelliidir. rnein ; boyut , sertlik, dayan kllk,... 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 balk kl diyaram aadaki sra iinde geli tirilir ; 1. Aratrlacak sorun bir kutu iine al nr ve kal n bir olda gsterilir.

Kesitte ovallik

ekil 4.3 Balk kl oluumu 1

-

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

i Operatr

Kullan lan malzeme

ekil

4.4 Balk kl oluumu -2

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

74

ekil 4.5 Balk kl oluumu - 3 4. Tm alt nedenler (temel nedenler) tan mlanncaya kadar diyaram dallandnlr.

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 deil

Fazla sert

Malzeme

ekil 4.6 Balk kl oluumu - 4 5. al may yapan grup yeleri (Beyin f rtnas kurallan uygulayarak) en nemli nedenleri belirler.

75

Neden- Sonu analizinin yararlar : Yntem, sorunlann zerine giden aktif bir ynetimi geli tirir. Diyaramn hazrlanmas iletiimi glendirir. Herkezin dikkatini bir noktaya toplamas n salar. Bal bana eitici bir almadr, herkezin bilgisini geli tirir. Yetilerin toplanmas n ve konuya bilimsel biimde yaklamay salar. Konuya hakimiyeti snamak iin e iz bir tekniktir. Tm sorunlara uygulanabilir.

Btn bu say lan nedenlerden tr, yneticiler her sorunla ilgili olarak bal k kl diyaramnn uygulanmasn istemelidirler.

rnek :
Personel Satc Firma

Hatal sevkiyatlar Satn almac hatas Mlz.Takio sorunlan Hatal mlz.bilgisi Planlama Hatas Iletiim Eksikli i rn aacnn hatal olmas

MEKANIK
MALZEMELERIN GECIKMESI

Etkin kullanlamama Denetim srelerinin uzun olmas Onayl firma kstll MIz'lerin sk ve az alnmas

Malzeme bilgilerinin gncellenmemesi

Teknik

Malzeme

76

4.4 Tabakalama (Grupland rma)

Hata sebeplerinin ara.tnlmasnda kullamlan basit bir arat r. retimde farkl makinalardan veya tezgahlardan elde edilen rnler genellikle ayn yerlerde biriktirilmekte ve kontrolleri daha sonra yap lmaktadr. Burada kontroller sonucu elde edilen hatal ve hatasz rnlerin hangi makinalardan kaynaklandn 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 hatann kaynann bulunmasn salar.

4.5 Serpilme Diyaram

Kalite sorunlarnn zmnde o u kez hatalara neden olan faktrler aratnlr. Tipik olarak bir de ikenin baka bir deikenle ilikisi (alakas) incelenir. rne in , makina titreiminin yzey dalgalanmalanna etkisi veya basn dmesinin paralarn dayankllk performansna etkisi gibi. Neden-sonu analizlerinde ve de ikenler aras ndaki iliki aratrmalarnda dalm(serpilme) diyaramlanndan ve korelasyon analizlerinden yararlaml r. Dalma diyaram, bir deikenin iliki aranan di er deikenlere gre gsterimidir. A adaki ekil 4.7'da bir i letmedeki A rn elemanlarnn boylan(X) ile arlklannn(Y) serpilmesini gstermektedir. Burada her nokta bir elemamn (X,Y) deerini 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 diyaram ekil 4.7'den grlece i gibi, boy ile arlk arasmda yakn bir iliki gzlenmektedir. Burda boy ile a rlk arasnda pozitif ili ki vardr.Yani; Boy artarken arlkta artmaktadr. Eer negatif iliki olsayd , boy artarken arlk azalrd . Bu durumu ekil 4.8 ile grebiliriz.

Negatif ili ki Ar za duru Say s

Planl bak m giderleri

ekil 4.8 Negatif ilikili serpilme diyaram Eer deikenler (X, Y) aras nda bir iliki yok(ok zay f) ise serpilme diyarammda noktalar yumak grntsnde olacakt r.

78

depl

Znd. popt4

laylf-ntptif

ekil 4.9 Zayf ilikili serpilme diyaram Eer deikenler aras nda tam (veya kuvvetli) ili ki varsa serpilme diya ram ekil 4.10 ile grlebilir.

X; Klvvet4.,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 iken
olsun. Bunlarn aras ndaki dorusal ilikinin gcn gsteren bir ly, a adaki 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 varlr. 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 aa daki gibi yaplr;
(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 arasndaki ili ki de o kadar gldr.

Genel rnek Uygulama 1 : ilem ak emas

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

Elektnt kontrol et

Kablolar; kontrol el

Tum Balantlar Tekrar Yap

al t m ?

Telsz al slyot,.

Kademeye

tounabere 2nm Sevket

ekil 1 Arzal 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 adaki 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 :

Gruplandrma Tablosu

"Bir i merkezindeki santralde grevli operatrlerin telefonlara ok ge cevap verdiklerine dair ikayetler sz konusudur." Santral amiri yapt inceleme sonucunda arayanlarn 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 Kii Yerinde Yok

5,1

61

Fi Arzas

1,3

16

81

Beyin Frtnas " Sebep-sonu diya ram , problem ve bu problemi olu turan temel sebepler aras ndaki ilikinin grafiksel gsterimidir." Beyin frtnas : Sorunlarn gerek nedenlerini belirlemede kullanlan, oturuma katlanlarn dnce ve nerilerini tartmaya aan ve serbest dnmeyi salayan bir toplant tekniidir. Bu toplantlarn temel ayine' zelli i, sorgulamaya, yarg lamaya ve tenkide hi yer verilmemesidir. Ama ok say da deiik zmleri ksa zamanda ortaya kannaktr.

Genel rnek Uygulama 3 :

Genel rnek Uygulama 4 :

Dalma diyaramlar

ekil 3 Dalma diyaramlan ekil 3 'de (1) : pozitif ili ki sz konusudur. Yani bir i yerinde yap lan bireysel neri say s arttka i yerinde iyiletirme orannda da bir art olmaktadr. (2) : negatif bir ili ki ya da ters orant vardr. Yani, bireysel neri saysndaki art artt ka iyiletirme oranm olumsuz etkilemi tir azalma olmutur. (3) : hibir ili ki sz konusu deildir. Yani, bireysel neri say sndaki art veya azal ile iyiletirme oranndaki art ya da azal birbirinden bamszdr, iki de iken aras nda iliki 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 nr olan ve dier 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 ilikiyi gsteren bir fonksiyonu en byklemeyi amalayan varl klar veya geler toplulu udur." olarakta tammlanabilir.

5.1.1 Dinamik sistem modeli

Dinamik sistem modelinin balca karekteristi i dei im treten faaliyetleri iermeleridir. Ba lca ayine' niteli i kendi kendini ayarlayan dnm srecinin varl dr. Bu modellerde dn m sreci, girdi gelerinin karekterini de itirebilir. 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 balayarak her trl de eri alabilir. Ayrca girdi ve/veya ktlar homojen veya heterojen olabilirler. Denetleyici yani kontrolr srecin i levlerini ynlendirip ynetmektedir. ekil 5.2 ile "retim sistemi" tan tlmtr.

Sistem

retim Sistemi

> LETME
* *

Girdi
-Tketici istekleri - letme politikas -Teknolojik olanaklar

KALITE KONTROLU >kt (Alt sistem) rn kalitesi

*

Sre

-rn dizayn -imalat ilemleri -Sre kontrolu

ekil 5.2

retim sistemi

5.1.2 Sre (Proses)

Tanm olarak, "Dinamik srecin olu turduu ve girdiler/ktlar hari tutulmak zere dnm srecine kat lan tm sistem gelerini ieren yak n evredir." verilebilir. Bakaca bir tan mla, "Bir ksm girdileri kt lar haline dntrmek iin dzenlenip organize edilen insan, makina/ekipman, materyal, metod ve evre gibi faktrleri iaret eder." En genel ekliyle bir srecin ak , balk kl denilen ematik biimiyle aadaki gibi ekil 5.3 ile ifade edilebilir.

84

Makina

Malzeme

Metod

RN
nsan evre

ekil 5.3 ematik genel sre ekilden de anlalaca 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 ksm paralannda veya srete imal edilen rnlerde meydana gelebilecek de imeleri tesbit etmek, bu de imelere gre sre girdilerini de itirme faaliyetidir. rn kontrolu sreci ; srecin roln a klkla inceleyebilece imiz dinamik sistem modelidir. Bu sistemin girdileri ; hammaddelerin zellikleri, fiyatlan, arlklar, uzunluklan, temin edilme yolland r. Sistemin kt s ; kaliteli ,
artnameye uygun rn, dayan kl rn, kullanl rndr. Bu durum iin sre; kalite zelliklerinin olas lk da l m , kontrol limitleri, artnametolerans s nrlar ve gzlemlerden olu an uygun kontrol grafidir. Srecin sistem geleri grafe dorudan katlmaktad 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 uzmanlam bilgiye ihtiya gsterir. Kullancdan, rne in kontrol grafi inin nasl altma ilikin aynntl bir bilgiye sahip olmas beklenmemektedir. ekil 5.4 rn kontrol srecini sergilemektedir. Sre Girdi
Hammadde zellikleri Fiyatlan,agrliklan,uzunluklar Temin edilme yollar Kalite zelliklerinin; olasl k dalm, Kontrol limitleri, artname-tolerans s nrlar, 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 kontroludr. Sre kontrolunun birinci amac , hedeflerden sapmalan, retim annda tesbit ederek gereksiz hammadde, i gc, zaman ve bozuk mal maliyetlerini en aza indirgemektir. Bunun iin srecin kontrol alt nda olup olmadm anlamamza 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 ; ou srete bozulmadan kaynaklanan de iimi azaltmakt r. Bunu baarmak iin yap lacak ilk i srecin kontrol altnda olup olmadm tesbit etmektir. E er sre kontrolde de ilse zerinde durulmaya de er zel deiim kaynaklarnn yok edilmesi kontrol durumu iin gerekecektir.Daha sonra, belirli nominal veya hedef de er etrafnda merkezile en sreteki tesadll deimeler yeterince azaltlmal veya en d k seviyeye ekilmelidir. te, yukarda bahsedilen de iim kaynaldannn en aza indirilmesi istatistiki sre kontrolunun faaliyetlerindendir. Dolaysyla, statistiksel kalite kontrolu, retim ko ullarndan 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 grafksel bir metodtur. Shewhart, kontrol edilebilen ve kontrol edilemeyen de imeleri birbirinden ay rt edebilmek iin "kontrol grafilderini" geli tirmitir

86

5.1.5 statistiki kalite kontrolu ile stn kaliteye ulalabilirmi?

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 itirilmesiyle (tolerans s nrlarnn daraltlmas gibi) yeni bir kalite kontrol program nn uygulanmas sonucu kalitede tekrar bir dzelme beklenebilir. Her ne kadar bu ilemin tekrar ile srekli olarak kalitenin ykselece i dnlebilirse de gerekten bu d nce yanl tr. Kalite kontrolunu tanmlayan "Bilgi almadeerlendirme-karar-mdahale" faktrlerini incelersek, kalite kontrolunda mdahale faktrnn .en az di erleri kadar nemli, belki de en nemli faktr olduunu grrtiz. Mdahale ise, hammadde ve makina karakteristikleri, teknolojik faktrler ve i organizasyonu ile smrldr. Bu konularda bir dzeltme yapmadan mkemmelli e eriilemez.

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

5.2 statistiki nemlilik testi

Standardma= bir X deikeni iin tesbit edilmi olduunu kabul edelim. Standard mz 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 bulalm. Eer bu numune ortalamas 1.1 , standart sapmas o. olan bir y ndan geliyorsa, X - fark sfr veya istatistiki bakmdan nemli saylmayacak kadar kk olmal dr. Bu farkn nemliliini bulmak iin yaplan teste "nemlilik testi" denir. te bu test kalite kontrolunun esas na tekil eder. Numune dahmmn standart sapmas , Standart hata

cr zz NIT;

87

ve gvenlik snrlar , %95 ve %99 olas lk snrlar iinde ise , I./ -1.96 Shrr- 5 X 5_ p. +1,96 Shrnolur. X - g'nin gvenlik smrlan ise, -1.96 Shr /-1.1 5_ 1,96 Sgr olacaktr. veya 2.58 i %95 Olaslkla 1,96s, %99 Olaslkla 2,58s, O halde , X - g yaklak olarak standart hata= iki kat ndan kkse, alacamz 20 numuneden 19'u y n' yanstacak nitelikte olacaktr. Bu durumda herhangi bir numuneden bulunan ortalama de er %95 veya %99 olaslkla gvenlik snrlar 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 dalm, ortalamas varyans 62/n olan bir Normal dalma yaklar. Sonular :
1. Ana kitle dalm normal ise ve ana kitle varyans biliniyorsai rnek birim say s ne olursa olsun , rnek ortalamalarmm da lm Normal dalr demektir. 2. Ana kitle dalm normal ise ve ana kitle varyans bilinmiyorsa rnek birim says ne olursa olsun rnek ortalamalarmm dalm (n-1) serbestlik derecesi ile "t da lmdr" . n .?.. 30 ise t dalm normal dalma yakla.acandan dalm normal kabul edilir. Ana kitle dalm normal deil ise , ana kitle varyansunn bilinip bilinmesine baklmakszn n 30 ise, rnek ortalamalarmm da lm normal kabul edilir. Bu durumda n < 30 iin yukardaki a klamalar geerli olmayacakt r.

3.

88

5.3 Kontrol Grafii Kavram

Burada kavram iin Kontrol grafikleri ifadesi esas al nmtr. Ancak , kontrol diyagramlart, kontrol emalar, kontrol kartlar ifadeleri de kullanlmaktadr. Ingilizcede "Control Chart" olarak bilinir. Kontrol grafi i ; "Belirli ve e it zaman aralklarnda rneklemlerden elde edilen de erlerin zaman iindeki de iimlerinin gsterildi i Kontrol grafii ; Srecin durumunu gzetler, srete grafklerdir." herhangi bir de iiklik yaplp yaplmayacam 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 salanabilmektedir. Sre kontrolunun istatistik yntemlerle ekonomik ve gvenilir biimde gerekletirilmesinde kullanlan bal ca ara kontrol grafi idir. Bir bakaca tanmla kontrol grafi i ; "Mamuln , mamul olu turan paralarn veya dier bilekenlerin kalite spesifkasyonlarn gemi deneyimlere dayanarak saptanan limitlere gre kronolojik (saat, gn, hafta, vb.) olarak kar latrmaya yarayan aratr."

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 kullanlmtr. Shewhart tesadfi bir de ikenin varlyla gle mi olan bir problemle urarken, problemin istatistiki bir yap ierdi ini tesbit etti. Tesbit edilen deimelerin bir ksm ilemin(srecin ) yap s gere i olup ve nne geilemeyecek cinstendi. Fakat bu ekilde izah edilemeyen de imelere de rastlanabilirdi. Neticede Shewhart u nemli karara vard :
"Herhangi bir i lemde doal deimelere ait limitleri tesbit etmek istenir ve bu da mmkndr. Bylece bu limitler aras ndaki deimeler ans(tesadilfi) sebepleri ile aklanabilir. Bu limitlerin dnda kalan haller ise imalatta daha nemli bir de iiklik olduunu gsterir."

89

5.3.2 Kontrol grafiklerinin esas

Deien herhangi bir miktar, yanlz ans faktrne tabi ise (bu miktar X gibi bir lme, g gibi bir ortalama , R gibi bir deiim genilii , a gibi bir standart sapma, p gibi arzal yzdesi veya c gibi arza says olabilir.) bir dad arzeder. Byle bir daln bir ortalamas ve bir de standart sapmas mevcuttur. Daln ekli ne olursa olsun yanl z ans faktrnden dolay pek az nokta X -3a ve X -F3a limitleri d nda kalr. 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 edildiinde zel bir sebebin var olmad sylenemez. Fakat zel bir sebebin var olduuna ait bir delil yoktur. Bundan dolay uygulamalardaki byle bir de ime ans faktrdr denilerek yola devam edilir ve yanl z kontrol limitinin dndaki noktalar zerinde durulur.

5.3.3 Kontrol grafiklerinde sz konusu de ikenlikler

Doada hibir ey di erinin ayrus deildir. Bu durum imalat sanayiinde nemli sorun ve kontrol alt na alnmaya allan bir durumdur. Deikenlik ad verilen bu durum do aldr. Her rn tam olarak ayr l l ve zelliklerde retmek zordur. Bu nedenle rn retrneden hatta kontrol etmeden nce de ikenliin saptanabilmesi, llebilmesi gereklidir. Para usul ile retimde 3 de ikenlik kayna sz konusudur. Bunlar;
1. Para iindeki degikenlik, 2. 3. Paradan paraya grlen degi kenlik, Zamanla ilgili deikenlik.

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

90

Sreler : aletin y pranmas, makinann 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 nn yanl uygulanmas , farkllklarn hatal ekilde rapor edilmesi... te yukarda belirtilen 5 farkllk yaratan kaynaklar beklenen bir ekilde dald srece srete tesadfen ileri gelen farkl liklara neden olurlar. Bunlara "Doal tesadffili e bal nedenler" ad verilir. Bunlar, srecin doasnda bulunan ve anstan ileri gelen, nedeni tesbit edilemeyen faktrlerden oluan farkllklardr. Srecin yap sndan kaynaklamr. De ikenlik tr tahmin edilebilir. Varl veya yokluu rn kalitesinde pek fark yaratmaz. Genellikle kk olan bu dei kenlik kanlmazdr ve kabul edilebilir dzeydedir. Yok edilmedike srete vard r, belirlenip dzeltilmesi bazen ok zor olabilir. SEBEPLERI ; *Ekipmarun kurallarna uygun bir ekilde kullanlmamas, *srecin imal edildi i hammaddenin kalitesi, elveri li olmayan evredir. GIDERILMESI iin ; *ynetici, *mhendis, *teknik personel abas gereklidir. Dier taraftan srete beklenilenin d nda byk de iiklikler oluabilir. Bunlar rnlerde belirtilen toleranslar n dnda deiiklikler yaratr ve kayna tesbit edilebilirdir. Bunlara "Doal olmayan-zel Nedenler" ad verilir. Bunlarn varl retilen rnlerin kalitesini etkilerler. nceden tahmin edilemezdir. Bu de ikenlik kontrol grafiklerinde noktalar n kontrol limitlerinin dna dmesiyle anlalr. Bu deikenlik, bir tek hadise veya vulcuatn sonucudur. Tesbit edilip dzeltilmeleri ok fazla aba gerektirmez.

91

SEBEPLERI ; *Hammaddedeki de ikenlik, *elcipmann duruunda veya paralanndaki de ikenlik, *Ekipmandaki hasar, *tecrbesiz operatr hatalar dr. GDERLMES ; *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 ikenliin tesadfen mi? yoksa bir takm zel nedenlerden mi? kaynakland KONTROL GRAFK'leri ile anlalr.

5.3.4 Kontrol grafikleri kullan mnda bilinmesi gerekli nemli kavramlar

Deikenlik : retilmi veya varolan nesneler aras ndaki farklla denir. Nominal (Hedefi De er : Hedeflenen de erdir. Bu de ere A denirse, rne in ; retilecek bir civatann belirlenmi olan boyutlandr. 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 farktr. Tolerans iinde kalan rnler uygundur denilir. Toleranslann optimum olmas esastr. Baka bir tarnmlama ile ; tasarlanan ller zerinde belirli kriter ve yntemlere gre belirlenen sapma miktarlandr. Kaliteli Mamut Kalitesiz Mamut : Bir mamulde bulunmas istenen zellikler o mamulun kullanlaca yere ve yapaca greve baldr. Bu bakmdan istatistiki kalite kontrolu a sndan Kaliteli terimi , stn zelliklere sahip anlamnda deil, istenilen zelliklere sahip anlamnda kullanlr. Istenilen zelliklerden bahsedebilmek iin ise belirli bir standard n tesbit edilmi olmas gerekir. Kalitesiz mal bu standarttan uzak olan mamuldr.

92

ASS (Proses parametrelerinden bamsz olarak tespit edilmi tir)

ATTS AKS 3cr grafindeki orta izgi 3a, OKS

deerlerinin dat l m

3a

Prosese ait ferdi Olmlerin (x deerlerinin) da lm

.. ir

Orrs
OSS (Proses parametrelerinden bamsz olarak tespit edilmi tir)

ekil 5.5 Tabii tolerans s nrlar,kontrol snrlar ve

spesifkasyon s nrlar aras ndaki iliki

Kabul Edilebilir Kalite Seviyesi (AOL- ing) rnlerin yzde ka = uygun olmasnn mterice tatminkar olmas n gsterir. rne in, teslim alnan civatalann %97 uygun olmasnn mterice tatminkar olacadr.
:

Kontrol limitleri ok sayda gzleme ve istatistiksel analize dayal olarak elde edilen sonulara gre hesaplanan do al deikenliin 3 cs snurlandr.
:

Standard imalat ilemi, mamul dizayn, lme, haberle me gibi belirli konularda tesbit edilmi olan kurallard r. Standartlar bilimsel ve teknik aratrma ve deneyim sonularna gre oluturulur.
:

Bir iin nasl yaplacan belirten ayrntl bir talimat veya Spesifikasyon belirli zellikleri yanlgya meydan vermeyecek a klkta 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, dayankll, spesifikasyonlard r. Yine, de erler pilin spesifikasyonlar dr. szdrmazl ile ilgili saysal Olme Hatas Parann gerek boyutu ile lme sonucu elde edilen boyutu arasndaki cebirsel farktr.
:

Parti : Bir retici tarafndan 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 nrlar ve sre de ikenlii Belli bir sistem veya olguya ait modelin uygulamaya Simlasyon konulmasdr. Model kurulduktan sonra tesadfi olarak olu turulan belli trdeki girdiler, modele yerle tirilerek elde edilen sonu gzlenir.
:

Bir alet veya cihazn yardmyla llen, klebilen kalite zellikleri uzunluk, hacim, arlk vb. rakkarnlarla ifade edilen de erlerdir.
:

klemeyen kalite zellikleri Duyu organlar ile deerlendirilen krk, izik, atlak, bozuk, piirzl, kokulu, lekeli .. vb. zelliklerdir. Niteliksel
:

94

Kusurlu Oran Muayene edilmekte olan bir grup para iindeki kusurlu para saysnn grubu oluturan, kusurlu ve kusursuz , btn paralar n saysna orandr.
:

kme : Gerekli l aleti kullan larak, bir okluun l aletinin gsterdi i birim ile karlatnlmas sonunda, o okluun deerinin 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 altnda ttulmak istenilen spesifikasyonun hedeflenen de eridir. 2. Noktalar : retimden alnan n hacimli mekteki lmlenen spesifikasyon de erinin ortalamas dr. 3. Kontrol snrlar limitleri : Kontrol d sinyali iin kullanlan karar dorulan(yatay). AKL ve KL olarak belirtilir.
-

4. Uyar Smrlar limitleri : Kontrol edilmek istenilen spesifikasyonun arzu edilen de erinden uzaklatna dair sinyallerin olutuu ve/veya kontrol d sinyalinin oluturulmasnda kullanlan karar do ulandr.
-

Kontrol grafiindeki Blgeler : I. BLGE : Srecin arzu edilen spesifikasyonlara uygun olarak al mad blgelerdir. Bir gzlem noktas bu blgeye derse srecin kontrol alt nda olmadna karar verilir. II. BLGE : Srecin arzu edilen spesifkasyonlardan tehlikeli bir ekilde uzaklatn belirten blgedir. III. BLGE : Srecin arzu edilen spesifikasyonlar etraf nda kontrollu olarak altm ifade eden blgedir.

95

Aadaki ekil 5.7 kontrol grafi inin genel yap suu gstermektedir.

rneklem Kalite zellii

rneklem No'su / Zaman ekil 5.7 Kontrol grafgi yaps

5.4.1 Kontrol grafiinin n haz rlklar

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

te bu sorulan "Kontrol grafikler" cevapland racaktr. 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 farkna varmamak kalmak.

ve nlem almakta ge

96

Dolaysyla Kontrol grafiklerinin amac bu durumda da ; Hatalarn douraca kay plarla , hatalar bulmak iin harcanacak abalarn maliyetleri arasnda uygun bir denge kurarak srecin srdrlmesini salamaktr. Ad konulmu bir kontrol grafi hazrlarken aadaki n hazrlklarn yaplmas gerekir.
1. rneklemin retim safhasm n hangi noktasndan alnaca, 2. rnekleme kan birimlerden kalite zellii hakknda hangi bilgilerin toplanaca, Gerekli bilgilerin rneklem birimlerinden ne tr bir muayene yoluyla toplanaca, Alt gruplarn nasl olustmlacadr.Burada rnek ap , rnn cinsine ve dikkate alnacak kalite zelli ine gre belirlenir.

3.

4.

5.4.2 Kontrol grafi oluturma i lemleri ve eitleri

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

97

Genel anlamda kontrol grafikleri iki s nfa ayrlrlar.Bunlar, I) llebilir deikenler iin kontrol grafikleri,

II) zellikler-nitelikler iin kontrol graftkleridir.

Her iki snfa ait birok klasik anlamda bilinen ve daha zel hazrlanm bir ok kontrol grafi i mevcuttur.

5.5 llebilir De ikenler iin Kontrol Grafikleri

llebilir de ikenlere ait grafikler tek de ikeni dikkate alrlar. Bunlar;

1. X grafii
2. R grafi i 3. cr grafi i veya S grafi i Bu tip grafkler kullanlrken iki tip durum sz konusudur ;
A. Standartlar belli iken durumu Kitle parametrelerine ait deerler elde mevcuttur. Bu durumla uygulamalarda az karlalr.
:

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

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

98

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

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

tcs- 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 grafkleri (n >10) oldu unda kullanl dr. Genelde yeni bir retim i leminde ; kontrole ulancaya kadar rneklem ap byke alnp, kontrol salannca, kararlk salannca kltlmelidir. Kontrol grafi i limitleri hesabnda ve iziminde genellikle ardarda 20-25 rnek snnnn(nolctas mn) alnmas baarl yorurniarna iin gereklidir.

99

Hesaplamalarla bulunacak olan "Kontrol limitleri-sm rlar" Tolerans snrlar deil , istatistiki gvenlik s mrlardr. Genellikle AKL ; Tketiciyi korumak , KL ; Fabrikan n israfm nlemek iin oluturulur. Kontrol grafikleri kullanm ile; her numune al mzda "bir istatistiki nemlilik testi " yapma zorunlulu undan kurtulmu oluruz. Kk numunelerin kullan lmasyla bir ksm bilgilerin kaybolduu dnlrse kontrol edilecek de iken olarak standart sapma yerine "Numune ranj = R " kontrolu dnlmelidir. R'lerin dalm X 'larn gibi Normal dalm gstermezler Da lmlan simetrik deildir. R deerleri ; en kk de er olan 0 ile balayp , ortalama deere ulatktan sonra <x) 'a doru gider.

5.5.1 Standartlar belli iken llebilir zellikler iin kontrol grafikleri

I.

grafii
- Kitleye ait ve cf veya o- biliniyordur. - Verilerin dalmnn Normal dalma uyduu varsaylr. - X 'lar n sadece "Tesadfi faktrlerin" etkisi alt nda deitii varsayl r. - Limitler dna kan noktalar varl ' nda (gzlendiinde) zel faktrleri vardr denilir.

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

100

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

ICL = + 3 a / -f ile

bulunur.Uygulamalarda kolayl k salamas amac yla formllerde ; A= 3hin dnmyle daha basitlik sa lanarak aadaki gibi yaz lr. AKL= j_ - Aa l(L = + Aa A deerleri iin kitab n ek'inde verilen "Hanr katsay deerleri" tablosundan faydalatul r. Daha sonra formller yard myla belirlenen limitler grafe ilenir ve rneklemden bulunan )7 'lar noktalanarak sre de erlendirilir.

II.

X (Bireysel de erler) grafii

Bu grafik her zaman kullamlmay p sadece srecin gerektirdi i zel durumlarnda kullanlabilir. Burada, zel faktrler varl nda srecin kontrolde grlme olasl yksektir. Deikeni temsil eden X de erleri kullanl r. X deerleri sreteki de imelere kar X grafi inden daha az duyarl dr. Limitler

O = , AKL=
le hesaplanr.

g - 3 a , KL = g + 3 a

rnek.1: Bir retim srecinde retilen B rn iin a adaki deerler sz konusudur;

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

ve X grafi i iin gerekli

101 grafi i iin ; O = 8 gr, 4 AKL = 8 - 3 (2/-s/-- ) = 5 gr, ICL = 8 + 3 (2/<-11) = 11 gr X grafii iin ; O = 8 gr, A1CL = 8 - 3 (2) = 2 gr, 1CL = 8 + 3 (2) = 14 gr bulunur. Deerler karta i lenir ve X ve X noktalar ilenir. 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 grafi iin limitler daha geni kmtr. Yani srecin kontrolde grlme olas l daha yksektir. Bu durum srecin deerlendirilmesinde yanltc olabilir.

III . R (Ranj deiim aral) grafii

-

Alt gruplardaki deikenlii lmeye ve ortaya kartmaya olanak salar. R- grafi oluumu ve izimi iin R : Xmax - X min deerleri gereklidir. n < 10 durumunda kullanldr. 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 azalr. Bunun iin "Standart sapma" kullan lr. Bu durumda, n de iken ise yine "Standart sapma" kullanlr. 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 )O= B i

6.

ile hesaplamr. Bs ve B6 deerlerine katsay lar tablosundan baklabilir. (Ek-6) g;rafi inin oluumu 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' 'nn birer tahmini olan X ve E(cy) deerleri sz konusudur. Hesaplamalar iin ; Kitleden alnan rneklemler zerinden yaplan lmeler sonunda elde edilen de erlerden yararlanhr. Standartlarn belli olmad durumu ve uygulamalar daha ska kullanlr.

1.

X grafii

Sreklilik gsteren de ikenlerin spesifkasyon lmleri zerinden her t zamanda n adetlik rneklem ortalamas nn grafik zerinde i aretlendi i bir kontrol grafiidir. Kalite spesifikasyonu, verilerin gsterdi i olaslk dalmma bal 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

kolaylkla katsaylar tablosundan baklarak bulunur. (Ek-6) Dolaysyla;

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

ile hesaplanr.

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

104

Kolayl kla tablodan baklarak hesaplan r. (Ek-6) Dolaysyla; AKL= X

-

A hesaplanr.

KL = X + A S

Sonulara ulamada baz hatrlatmalar :

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) arasndaki 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 grafii , alt gruplardaki deiikli i lmeye ve ortaya kartmaya olanak salar. Grafin, dzeyi mmkn olduu kadar yksek olmal dr. Bu da en az deikenli srecin daha olduudur.

105

III. Standart sapma (S) grafi i

n 10 iin ve n de iken ise kullanldr. Limitler,

O=

= c2 e
= B3. S-

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

grafinin oluumu iin limitler ; O = ,

AKL = 1 - A3

KL= + A3 S
ile bulunur.

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

retimden alnan rnekler her zaman aym byklkte (e it-sabit) olmayabilir. Veya, n'ler ayn byklkte olmas na ramen "lm zaman na kadar baz birimlerde kaybolma" olabilir. Bu durumda, hesaplamalannda "A rlkl-tart ll ortalama alma" yakla m yaplr, k adet rnek al nsn. 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,

grafii iin ; O =

S grafii iin ; o =

106 = - A3 AICL = B3 ti1CL= B4 S

ela = X + A3

Burada, AKL ve KL n de itike dei 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 alnmtr. Ancak baz birimler lm s rasnda yok olmutur. rneklere ait lm deerleri 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 olmadn

ve S grafii ile aratnnz. <

Burada standartlar belli de il ve rnek hacimleri de ikendir. Hesaplanan deerler 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

grafii 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) 0.752+

1.36

bulunur. Kontrol limitleri formlleri kullan larak her bir me e ait (KLY ler hesaplamr.
grafii
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 grafii 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. Eer, 3< grafi i zerindeki ortalama izgisi (O) yukans nda veya aasnda 7 veya daha fazla nokta grlrse sre dzeyindeki de irneyi gsterir. :R grafi i zerinde ortalama izgisinin yukans ndaki noktalar zinciri , de ikende istenilmeyen bir "art" gsterir. O aasndaki noktalar zincirinde de, de ikendeki bir "ilerlemeyi" belirtir. Noktalar zincirinin tesinde baz ikincil limitler rne in, 2 ile 3 noktann tesindeki 26 limitleri veya 4 ile 5 noktan n tesindeki la limitleri veya kontrol limitlerinin ko nuluundaki bir nokta kontrolun gerekli o lmadn ikaz etmelidir.

rnek 3 :
Bir ila fabrikas romatizmal hastal klarda kullanlmak zere jel kvamndaki merhemi 125 graml k tplere doldurmaktad r. *Tplerin net arlklann kontrol etmek iin 71" ve R grafi i kullanlacak-t r. *Bu amala her birinde 5 tp bulunan 30 alt grupla al lacaktr. *Ilemin uygulamasnda ; her tpn ii bo altlacak , boaltlan merhem tartlacak ve llen arlk tesbit edilip, kaydedilecektir. ** Elde edilen de erleri Tablo 5.1 ile verilmi tir. ** Alt grup ortalamalan ve de iim geni likleri yine Tablo 5.1'de verilmitir.

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 rlklar (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

- grafi ( snrlar 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)

Katsaylar 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 deeri katsay lar

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

Bu sonularn 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 durumlarnda D3 = 0 olduundan R grafi inin alt snr sfr olur ve kesiksiz izilir. Son olarak yaplacak i ; 30 rnek numaras iin alt grup ortalamalarun ve de iim geniliklerini ilemektir. *Grafik izlendi inde ilk olarak grlmektedir ki ; X ve R grafi inde tm noktalar AKL ve KL iinde ve () etrafnda yer almtr. Doal olarak 3C grafi inde tesadfi deikenlik daha gzle grnrdr ve bu durum grafik yapsndandr. Sonu olarak artk sre kontroldedir diyebilirmiyiz? Bunun cevab hemen evet olmayacaktr. Bilinmesi gereken bir husus udur : kontrol grafilderi bir srecin spesifikasyonlara uygun olup olmad nn tayininde de kullan hrlar. Kontrol altnda olan bir srecin her zaman artnameye uygun rnler retmesi garanti de ildir. Ayrca, 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 arl 119.6 ile 123.6 gr arasndaki tpler yeterli say lacaktr. Tablo 5.1 'de veriler topluca incelendiinde anlalacaktr ki ; 12 tp'e ait a rlk 123.6 gr'dan fazla , 13 tp'e ait arlk da 119.6 gr'dan hafiftir. Yani 150 tpten 25 tanesi spesifikasyonlara uymamaktad r (yetersiz rn). Uymayanlann yzdesi 16.6 `dr. Bilinirki rn retimleri ncesinde belirli standart ve spesifikasyonlar belirlenir. rnler retildikten sonra bu belirlenen de erler n plana gelerek srec deerlendirilir. Bu durumda ynetimin karar : 1. Srecin de itirilmesi olabilir. Ancak bu , metodlarda nemli de iiklikleri gerektirece inden "pahal" olabilir.

112

2. Limitler dna taan 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 deitirmek olabilir. lk tesbit edilen limitlerin dar oldu u ve bunlar biraz geni letmekle rnn hizmet yetene inin azalmayaca kabul edilebilirse spesifkasyonlar de itirilebilir. Limitler geni letilebilir. ** Gerek anlamda bir de erlendirme iin ilerideki ait blmlerde de inilecek olan "Sre yetenek incelemesPnin " de yap lp, dikkate alnmas

gerekecektir.

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

Kontrol d noktalarn olmamas , Merkez hatt (O)'nin bir tarafnda artan bir de iimin olmamas, Normal olmayan desenlerin grnmemesi. B.
Bir srecin kontrolde tutulmas ile salanacak yararlar

1. Sre nemli de imeler meydana getirmeyen tesadfi faktrlerin etkisi altndadr. Planlanan ve beklenen sonularn elde edilmesi, retim sistemlerinde birbirleri ile ili kili faaliyetler arasnda kan koordinasyon sorunlarn minumum dzeye indirir. 2. Sreci etkileyen zel faktrler varsa, zaman nda farkna varlarak dzeltici nlemler al nr. Montaj hatas , skarta ve tamirat masraflar n azaltr. 3. Labarotuvar testlerinde test sonular ndan baylan Limitler dna kt taktirde koullarn dzeltilmesine allr. 4. Kontrol altndaki 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 tama halinde zamannda dzeltici nlem almak imkan vardr. 6. Bata muayene olmak zere e itli kalite kontrol maliyetlerinde d meler salanabilir. C. Grafklerin ( srecin kontrolde de ildir) durumu : Eer kontrol d noktalarn varl sz konusu ise, bunlarn nedenleri aratnlaralc dzeltilip sre tekrar kontrol alt na alnmaldr. 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." f- ve R grafilderinde k saca 4 tip kontrol d durumla karlalr. Bunlar; C 1. Dzeyde de ime veya srama (ani de imeler) 2. Dzeyde kararl bir deiim veya e ilim (yukanya do ru bir trend) 3. Tekrarlanan evrimler (periyodik ini ler, klar) 4. ki farkl poplasyon (limitler yaknnda ve dnda fazla say da noktan n gzlenmesi) ** Aadaki ekil 5.11 'da varsay lan ve A,B,C diye adland r lan ve n=5'lik grafikleri 50 rneklemin sonularndan hesaplanan g ve R ve a grntleri verilmi ve devamnda yorumlamalan yap lmtr.

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 lmna ait grafiklerde i aret edildi i gibi R ve a 'ye ait grafkler birbirlerine ok benzedi i halde X 'ya ait grafik farkl dr. 2. A ve B dalmlanna ait grafikler mukayese edildi inde X, R ve a grafklerinin ayn deikenlii gsterdi i grlr(teorik olarak ayn ). ayndr. Tek fark XBunun nedeni udur ; her ikisinde de a'x gafi indedir. Sebebi ; X ' , A iin = 0 , B iin = 2.0 `dr. C da l mn dikkate al rsak, her grafkte de deikenlik ; yaklak olarak A'dakinin 2 kat dr. Merkez hatt R ve a grafiklerinde daha yksektir.

3.

115

spesifikasyonlara bal olarak srecin gidi ini Yine aadaki 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- ) geniliini srecin ortalama de erinin nominal deere ok yakn olmasn gerektirmektedir. Ancak bu ekilde spesifikasyon d neticeler nlenebilir. Ancak ortalaman n kontrolu basit deilse srecin de ikenliini azaltmak gerekir. c- Durumunun deikenlii (b) durumu ile ayrldn Fakat sre nominal deere gre merkezilenmemi tir. zm iin ; srecin ortalamas m drmek veya de i kenliini azaltmak tercih edilecektir.

116

d- Durumunda doal tolerans olan 6 cs , spesifikasyon tolerans ndan ok kktr. Bu ise dk spesifikasyona yak n almamza imkan verir. Bu arada alt spesifikasyonun da alt na dmemek iin gerekli tedbirleri almak lazmdr. e- Durumunda ortalama nominal deerde bulunmaktadr. Ancak malzemenin bir ksm yksekte veya ok alaktad r(dtaki taral ksmlar). Tek zm ; spesifilcasyonlar yumu atlabiliyorsa srecin deikenliinde yaplacak kesi'tir t- Durumunda alt spesifkasyonun altnda hibir para imal edilmemi , fakat st spesifikasyon d nda bir ok para imal edilmi tir. Daha iyi bir merkeziletirrne ile spesifikasyon d paralarn yzdesi drlebilir.

5.6 Sre Yeterlilik Analizi

Bir srecin retim yetene ini tarumlama yollarndan birisi " Sre yetenek analizi- SYA ' dr. " 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 karlayp / karlamad hususu ara trlr. Karlaruyorsa kusurlu oran tahmin edilir. Sre yetene i ; "Bir srecin sa layabildi i en az kalite de ikenlii" olarak tanmlanabilir.

5.6.1 Tolerans s nrlarnn seimi

letme efi / retim planlamac s baz toleranslar tesbit eder. Bu tolerans s nrlar ile llen deikenin istatistiki deiimi arasnda bir balant olmaldr. Bu balant gz nnde tutulursa; ya ok dar s nrlar iinde al ma durumu ortaya kar ve retime s k sk mdahale edilir,

117

veya bu yaplmassa, standart d bir ok mamuln olu umuna gz yummak gerekir, e ya da geni tolerans snrlar iinde rahat bir al maya gidilerek eri me olana bulunan "kalite standard na" eri ilemez ve alc ikayetleri artar. Aadaki 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 dalmda standart sapmann 6 kat kadar bir deiimi hemen hemen deiimin tmn iine al r. Tolerans ranj 6cr deerinden geni ise ve bu snrlar al c tarafndan da kabul ediliyorsa, hemen hemen hibir mamuln oluumu ihtimali olmaz. Tolerans ranj , 60' deerinden dar ise, o zaman bir k sm maml standart d olacaktr. Eer standart d mamullerin oran yksek ise, ya tolerans s mrlarm geniletmek, ya da daha gelimi makinalar almak durumuyla kar karya kalmr. O halde ; istatistiki kontrol s nrlar ile tolerans s nrlar arasnda bir denge olmaldr. Baz hallerde, "Makinann hata s nrlar, retim planlay csrun tolerans s nrlarna gre ok dar olabilir." Bu durumda ; - Kalite kontrolcusunun istatistiki kontrol s nrlar dna kt iin bir mamuln "standart d " kabul etmesi yanl olacaktr. - Bu bakmdan kalite kontrolu uygulamas nda sa duyu kullanlmas da ok nemlidir.

118

Normal dal ma dayal Tolerans s n rlar :

, 6 2 dald varsaylsn. 1.1 ve o- 2 bilinmesin. n X N( hacimli rasgele rneklemden, orneklem ortalamas X ve rneklem varyans S2 hesaplanabilir.
)

Doal Tolerans s nrlar olan g Za2.c3 tahmini iin mantkl yol ; iin X ve a iin S al narak _V Za?..S olacaktr. 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 mlansn ve de bu y byk deerli bir oran olsun. Bu durumda ; -- K.S , 1-ct olas lkla gerek parametreleri ierecektir. Bu amala , K ' nn deeri ; 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-zelliinin %95'inin , %99 gven aral nda, tolerans s nrlarnn aras nda olmasn istemektedir. X zelli i Normal da lmtr. 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 nrlar ile tolerans snrlar arasnda" temel bir fark vardr. Gven snrlar : bir dalmn parametresinin aral k tahminini salamak iin kullanlr , fakat tolerans snrlar : bir kitlenin belli bir oran n bulmay bekleyebilece imiz snrlarn gstermek iin kullanlr. Varsaylr ki ; n sonsuza yaklatka, gven aral run uzunlu u sfira yaklar, fakat tolerans snrlan kitle iin uygun bir de ere yaklar. Sonuta; Ek'te verilen (Ek 9) 'da da grlecei gibi x = 0.05 iin n sonsuza giderken K deeri 1,96 'ya yaklar.
-

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 olmasdr." Sz konusu olan kalite zelli i X, j. ortalama ve a standart sapma ile bir normal dalma sahipse ; alt ve st "Do al tolerans s nrlar" : , -3a ve .t +3cs 'dr. Bylece,
Alt D.T snr =

st D.T snr = +3a

olur. Bylece srecin; do al tolerans snrlar iinde olmas olasl 0.9973 olacaktr. Dier bir deile ; srecin % 0.27'si do al tolerans snrlar dndadr.
Sre yeterlili i ; Dalm normal dalma benzeyen yada uyan bir srecin ktlarmn; resim, spesifkasyon artlarna gre mukayesesinin yap larak , srecin belirtilen artlar salayp salamayacan grmek iin kullanlan bir metodtur.

Bir rne ait belirlenen yeterliliini tahmin etmede ;

spesifikasyonlarn varlnda

retim

1. Kontrol grafik' verilerden oluturmadaki kullanlan yararlanlabilir, (frekans dalm ve historam kullanm) 2. Sre yeterlilik indeksleri ( oran ) kullanlr.

rnek 4 : (1) Kontrol grafik' oluturmadaki kullanlan 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 olasl ; P= P(X< 73.950)+P(X> 74.050 )=0.00002 bulunur. Yani retilen X'lerin yakla k %0.002'si spesifkasyon snrlarnn dna decektir.

120

Srecin yeterlili i ; insan ,cihaz, materyal, metod ve evre faktrlerine ba mldr. "Sre yeterlili i snrlar = Doal Tolerans'lar =
zetle ; Bir imalat srecinin "Tolerans s nrlar iinde kalabilirli i " llebilirdir. Bu l Sre yeterlili idir.

Sre yeterlili ini lmede ilk ad m sreci tanmlamaktr. kinci adm spesifikasyonlarm tan mlanmasdr. Spesifikasyonlar sre ktsn lmeye imkan salayacak ekilde tanmlanmaldr. Hangi verilerle al laca belirlenmeli ve e er mrnIcnse de ien verilerle al lmaldr. Bunun tercih edilmesinin sebebi ; de iken verilerle yap lan sre yeterlili i analizi niteliksel veriler ile yap landan daha hassas sonu vermektedir. Sre yeterlilik analizinin amac cevaplamaktr; 1. Srecin ortalamas nedir ? 2. Srecin standart sapmas nedir? 3. Srecin ortalamas zamanla nasl deimektedir? 4. Srecin sapmas zamanla nasl deimektedir? Sre yeterlili i aadaki ko ullar salanarak arttrdabilir ; 1. Deikenlii yaratan zel sebeplerin tmn ortadan kald rarak, 2. Sre ortalamas n hedeflenen de ere mmkn olduunca yaklatrarak, 3. Deikenlii yaratan yayg n nedenleri azaltarak. Bir Srecin "Yeterli olup olmad n" ve srecin nominal de ere gre "merkezilenip / merkezilenmediinin ls 2 adet gsterge ile belirlenir. Dolay syla sre kontroldeyken kolayca hesaplanabilirler Bunlar; aadaki drt soruyu

121

I.

Cp : Sre yeterlili inin gstergesi ( srecin yaylmasn kontrol eder) Cpk : Merkezleme / Ayarlama gstergesi ( srete hem yaylmay, hemde ortalamay kontrol eder)

II.

Bunlar , normal da lmlar iin sre yeterlili inin belirlenmesinde kullan lan "Sre yetenek gstergeleridir." Yine Cp ve Cpk gstergeleri sre yetene inin uygunluunun saysal olarak de erlendirilmesidir. Srecin deiiminin spesifikasyon snrlar iinde olup olmadm belirlemeye yardmc olur. Eer ; 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 imez. Sre yetene i saysal olarak ; "pesifilcasyon s nrlar ve dalm arasndaki ilikiyi" ifade eder. Dolaysyla ; srecin normal olaslk dalm n izleyen bir sonu verdi i ve kontrol altnda olduu varsayldnda ; retilen paralar n %99.7'si sre yeterlilii karl olan "alan" iinde yer alacakt r. Sre kapasitesi grafi i izilirken aadaki sra izlenir; 1. retim sras na veya belli bir zaman peryoduna gre, sreten en az 20 civarnda veri toplanr, 2. Spesifikasyon deerleri belirlenir ve izelge zerinde i aretlenir, 3. izelgenin sa tarafinda rne in dalmn gsteren bir yatay "historam" izilir.

122

Cp : Sre yeterlili inin gstergesi ( PCR-in )

Resim- spesifikasyon aral denilen : "Toplam tolerans blgesi" ile Normal dalm aral denilen : "6a" de erinin birbirine oran dr. SpL : st spesifikasyon s nr , AspL : Alt spesifikasyon s nr 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 deeri retimi yapan firmaca herhangi gibi) hedef al nabilmektedir. Sre cy bir deer olarakta ( 1.33 veya 1.19 bilinmediinde bu deerin yerine tahmini deeri deeri olarak <5.'7 e hesaplamas, kullanlmaldr.

ile yaplr. Bu durumda C^p = T / 6 is kullanlr. Ayrca, PYO = ( 1 / Cp ).100 Ile srec tarafndan spesifikasyon bantm kullanma %'si bulunabilir. Eer ; PYO > 1 ise ; Tolerans band mn %100'den az' , PYO= 1 ise; Tolerans bandmn tamamna yakn ( %99.73') , PYO < 1 ise ; Tolerans bandnun %100'den o u kullanlmtr. rnein ; e = 0.0099 ve AspL = 73.950 ve SpL = 74.050 dolay syla da T = 0.10 olsun. Bu durumda ; Cp = 0.10 6.(0.0099) = 1.68 bulunur. Bylece srecin doal tolerans snrlar yani 6a (SpI ile Aspl) iindedir. Buna gre t pk "Yeterlilii tahmin etmede rnek 4 'de " olduu 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 nrlannn tamamna yaknm (a) Cp = 1 kullanmaktadr. Sreten kan rnlerin dalm Normal olduunda, rnlerin yaklak %0.27'si spesifikasyon s mrlannn tesine der, (b) Cp < 1 Sre, spesifkasyon s nrlarn aan ok sayda rn ktsna sebep olur. Belirlenen tolerans s nrlarnn %100'den fazlas kullanlr, (c) Cp > 1 Srete tolerans s nrlarnn %100'den az kullanlmaktadr. Bu sebeple, srete daha d k nisbette spesifkasyonlara uymayan rn imal edilecektir. Sadece Cp 'nin 1' den byk olmas srecin hatasz retim yaptm gstermez. Cp sadece srecin do ru olarak ayarland taktirde , belirtilen

124

toleranslarda retim yap lp yaplamayacann gstergesidir. Cp indeksi ; srecin sadece yay lmn kontrol eder.

Cpk : Merkezleme / Ayarlama gstergesi :

Cpk indeksi ise ; hem sreteki yay lmay, hemde ayar belirtir. Cpk , Bir srecin ktlarnn, resimde belirtilen nominal de ere gre mukayesesini gsteren yetenek indeksi sre merkezlernesi ya da ayar denilen deerdir. Sadece Cpk de eriyle srecin ne kadar hurda retme imkannn 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 yaylmn ve hem de ortalamas= hedeflerden sapmas n kontrol eder. Bunun iin Cpk 'nn ift tarafl hesaplanmas gerekir. Hesaplamalar sonunda kk de er veren al nr. Hedef 1 'den byk deerlerdir. Cpk 'nn alaca en byk deer 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 GEOMETRK olarak anlam :

"bir insann kapdan gemesi" olay n dnelim. nsann kapdan geebilmesi iin ilk art , kap genilii (B) 'nin , insan genilii (A)'dan fazla olmas dr. Burada; Kap genilii (B) : resim tolerans dr. nsan geni lii (A): srecin tolerans dr. Eer , B 'yi A 'ya blersek, bulunacak oran sonunda kan saynm "1" den byk olmasm salar. te bu orana Cp denilir. Cp "1" den ne kadar byk olursa kapdan gei o kadar kolay olacakt r. Ancak, (kap merkeziyle) (insann merkezi) ayn olmazsa insan kapdan geemeyecektir. I te ; bu iki merkez aras ndaki farklln incelendii (kap ve insann merkezlenmesini) gsteren indis Cpk d r. Cpk 'nn 2 forml vard. Bunlardan ilki, "kapnn sol kenarna gre-ortalamann alt spesifikasyon de erine gre" di eri de " kapnn sa kenarna gre " mukayesesidir. Hangi tarafa yaklalr sa o tarafa srtme ihtimali fazla olduundan KK de er kritiktir ve bu de er alnr.

Sre yeterlili inde kullanlan 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 deerleri bulunmutur. Bylece ;
T = 92.015 - 91.985 = 0.03 Cp = 0.03 / 6.(0.0028) = 1.79 bulunacaktr. Cp= 1.79 > 1 olduundan 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 olmutur. Cpk st de eri Cpk st = 0.945 < 1 1 'den kk olduundan sre ; yetersiz (merkezlenmesi ayar tam deil) olarak deerlendirilecektir.

rnek 7 : X ve R grafi hazrlama ve kullanm : Kesim 5.4.2'de verilen Kontrol grafii oluturma ilemleri ve e itleri Genel akn hatrlanrsa;
Adm 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 semitir. Adm 2 : Srecin incelenmesi ve kontrol kart tipinin seilmesi ve ilgili yerlerin doldurulmas : resimden de grlece i zere n amortisrn balanld 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 braklr. Para ad yada operasy n ad 2. ve takip eden kartlarda Kontrol Plan ndaki Frekans yank.

Ranc Sayfa oldugu yazld (1 ) Her ayn prosese ait karta farkl bir numara verilir. Sayfa numaras degisse dahi kart numaras degismez

Adm3: Verilerin toplanp, alt grup toplamlarn n,ortalamalarnn ve aralklarn 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

Adm 4 : Dalm analizi : Tm X deerlerinin dalm kontrol kartnn sa tarafndaki alanda analiz edilir. Kolayl k asndan veri saysna uygun grup adedinde de analiz baka bir katta "etele tablosu" ya da "historarnla" yap labilir. Belirlenen dalm Normal da lmsa yada Normal da lma benzer dalmsa dier admlarla devam edilir. Normal de ilse sre incelenmelidir. Grlmektedir ki ;

Historamla oluan grnt normal da lma benzemektedir.

129

Adm 5 : KL ve AKL hesaplamalar

X Ortalamelann ortalma lmapionw. X ortaleaalar toplanr ve kol 'f= 31.21 laldaai olarak 31.2 aliillir.

26 (26

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

" Aralk/ona ortalama lemplanr. Bildin "R" valdir toplanr ve kol saysna bbiir ( 26 ) k. 1.2 x Kontrol Kannda verilen farm-4er yardmyla lesapiener. ijoa x = ( 1.880 R-) =. 31.2 (1.880 x 1.2) = 33.5 x Kotrol Kannda venlo* formiller yard myla lmapianr. AKLz= -(1.$SOXR)= 312.(1.UOZ1.2) = 29.0
KL It Kontrol Kannda verilen formiiller yardmyla lemplanr. n R = 3.267 x fF = 3-267 x 1.2 = 4

Adm 6 : Skalan n tayini : Skalann tayinine X grafi inden balanr. Hedef , [TKI, ve AKL ile s mrlarum alann, toplam grafik alannn yarsn kaplamas dr. Bunun iin grafik blgesi 4 e it paraya blnr.

1
2 3 4

KL 'den AKL kartlr : KL-AKL = 4,5

130

Taral blgede toplam 18 kutu olduundan fark bu 18 kutuya en uygun ekilde pay edebilmek iin her kutunun ne kadarl k bir art gsterdii tesbit edilir. (Not:18 lcutu lcullm mak zorunlu deildir.) rnekte ; her 4
kutu 1 birimlik art gsterecek ekilde seilerek toplam 16 kutu kullanlmtr. R kartmda, X kart ndaki skalann yars kullanlr. melcte X kartta 4 kutu 1 birimi gsterdi inden R 'cama 2 kutu 1 birim art gsterecektir. Adm 7 : Noktalarn izilmesi : Btn noktalar

TY" ve R

grafiine izilir.

87

25 25

Adm 8 : Kararllk kontrolu : Her iki grafktede kontrol kart nda belirtilen "Kontrol d olma" zellikleri test edilir.Byle bir durum yoksa bir sonraki adma geilir. Kontrol d durum varsa o noktalarda sre analiz edilir.
Kontrol Da Durumlar ( Kararllk Testi ) re..

131

Adm 9 : Yetenek deerlerinin 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 alnacandan 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.

Adn 10 : Bir sonraki karta gei : lk kartta bulunan kontrol limitleri ve ortalamalar izildikten sonra ikinci kart hatta verilir. Yeni kartta, her deer alndktan sonra grafie ilenir. Kart doldurulduktan sonra kontrol limitleri ve yetenek de erleri yeniden hesaplanacaktr. Adm 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 nmtr.Buna gre ; rnek 8 : Bir retim srecinde ;

Cp = (40-30)/ 13.62 = 0.73 < 1 olduundan "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 :doal 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 nrlar ile srece ait spesifikasyon s nrlar arasnda iliki yoktur. Kontrol s nrlarn , srecin-sre standart sapmas o- ile llen do al deikenlii belirler. st ve alt do al tolerans snrlar genellikle sre ortalamas ndan tede yer al r. Bununla birlikte spesifikasyon s nrlarnn belirlenmesinde srecin yaps dikkate alnmaz. Spesifkasyon snrlarn , ynetici, retim mhendisi, m teri veya rn geli tiricileri belirler.
Spesifkasyon snrlar belirlenirken srecin yap sndan kaynaklanan dogal degi kenlik gz ard edilmemelidir. Fakat kontrol s nrlar ile spesifikasyon snrlar arasnda hibir matematik ili ki de yoktur.

133

38

44

50

56

62 65

ekil 5.15 Cp ve

Cpk

ilikileri

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. Balca drt tip grafik vard r. a. Arzal yzdesi (kusurlu oran) P : "fraction defective chart". Burada her para anzal veya salam olmaktadr. b. Arzal saylan (kusurlu says) d = n.p : "Number of nonconforminz" veya " number of defects". aretlenen karakteristik numune veya birimdeki arza saysdr. c. Anza(kusur) say s C : "count of nonconformances " Ortalama rnek bana kusur say s (Her bir veya bir alt grupta uygun olmayanlarn says) d. Birim bana kusurlu say s U : "count of nonconformances / unt" (Bir alt grupta ; muayene birimi bana uygun olmayanlarn says) Sz konusu grafilcler ; A . Standartlar biliniyor ise, B. Standartlar bilinmiyor ise durumlan iin s nflanrlar.

5.7.1 Standartlar biliniyorsa ; P - grafii

Burada ilgilenilecek olan istatistik udur ; P= d / n d : n paralk bir rnekte bulunan ar zal para saysdr. P : Kusurlu orandr. Kusurlu (arzal) diye tanmlanan "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 dal mevcuttur. Numune grubunda 0, 1, 2, n kusurlu ve kusurlu olma / grlme olas lklar bulunabilir. Bylece limitler ;

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

Alt grup hacinleri eit olabilir ancak (ni'ler) deiken ise de kullanldr, n byk olmal dr. (n.p > 1 salanmal) P > 0.15 durumlarnda ; irketin ciddi problemle kar karya olduu sylenebilir, Sre kontrol alt nda deilse sreci etkileyen " zel nedenler" sz konusudur. Tek bir grafin zerinde bir madde zerinde gzlemlenmi kalite zelliklerinin hepsi iin kullan labilmesi bir avantaj dr.

rnek 8 : Bir tip araba karbratr ( ift bo azl WEBER tip) iin montaj hattnn sonunda her tip arza iin arza yzdesi grafi i hazrlanacaktr. Uzun bir zaman iin %2 arza yzdesi bir hedef olarak kabul edilmi , fakat buna erimek imkans z zannedilmi tir. Ancak "zel sebeplerin" montaj ve imalatta srekli takibi sayesinde bu %2 seviyesine ula lmtr. Bilgilerde bu zamanda toplanmtr ve btn numune hacmi n=100 olarak al narak ve yukardaki formller kullanlarak, 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 bulunduundan , pratikte bir anlam tamaz 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 oluan durum yorumlarur.
Numune No: Arzal Sy. (d) Arza % (P) NumuneNo: Arzal Sy. (d) Arza % (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)

yaplan

137
Numunedeki anzal says ( 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 arzal yzdesi P r =0.02 ve n=100 olduunda Binomiyal dal m iin teorik olas lklar

P/ = 0.02 ve n=100 olduunda arzal para iermeyen numune olma olasl 0.133' dr. Bu da ok d k olaslk deildir. Yalnz 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. Grafin incelenmesiyle " srecin kararl- kontrol altnda" 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 grafii

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

5.7.2 Standartlar bilinmiyorsa ; P - grafi i

imdi elimizde standartlar bilinmiyor olduunu kabul edelim. Kitleye ait P bilinmedi i iin , en iyi tahmini olarak ^i).- kullanlr. Her biri n elemandan oluan 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( (1-F )) / n , -15 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 zamannda her gn muayene
edilmi tir. Sonular Tablo 5.4 'de verilmi tir. Tarih Kus d Kus. % P
Mays 1 2 3 Mays 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

Mays 16 17 18 Mays 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 Mays 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-F )) / n = 0.04 + -s[(0.04 . 0.96) / 500 = 0.066 1(

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 Mays'ta alnan rneklerin kusur oranlar m temsil eden noktalar 01(1 'nin yukansnda ve 21 Mays'ta tam zerindedir. Bu rnek noktalar , tesbit edilebilir (zel) nedenlerin varl n gstermektedir. Bu durumda ; kontrol grafi boru retiminin istatistiksel olarak kontrol alt nda olmadm gstermektedir. Sreci etkileyen zel nedenlerin niteli ini tayin iin aratrma yaplmaldr. * Bir rnee ait deer M, snr altnda ise; bu rnekteki kusurlu oran ok kk demektir! Ancak bu durum da aldat c olabilir. Dikkatle aratrlmaldr.

141

n deiken 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 olacaktr.
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 myla 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 nacaktr. Oluan grafik ekil 5.18 ile verilmitir.
,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 deiken iin p grafi i

5.7.3 Standartlar biliniyorsa ; d= n.p grafi i

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

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

KL =
( 1 pi)

rnek 11 : rnek 4 (Hatrlanrsa): Bir tip araba karbratr ( ift bo azl WEBER tip) iin montaj hatt nn sonunda her tip arza iin arza yzdesi grafii hazrlanacaktr. Uzun bir zaman iin %2 arza yzdesi bir hedef olarak kabul edilmi , fakat buna eri mek imkansz zannedilmitir. Ancak "zel

143

sebeplerin" montaj ve imalatta srekli takibi sayesinde bu %2 seviyesine ulalmt 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 tamaz ve 0 olarak alnr. Daha sonra yine Tablo 5.2 grld gibi n=100'lk numunelerden sonular (c1= -n.p anlamnda) ele alnr ve limitlerin grafiklendirilmesiyle de sre izlemede noktalamalar yap larak oluan durum yorumlanr. Grafiin incelenmesiyle " srecin kararl- kontrol altnda " olduu grlecektir.

5.7.4 Standartlar bilinmiyorsa ; d= n.p grafii

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 aadaki 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. Aadaki ekil 5.19 grafik izilirse;

ekil 5.19 20 rnek iin n.p grafi 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) grafi

Standartlar'm bilinmedi i durumu pek kullan l deildir c grafiinde her bir rnekteki toplam kusur say lan dikkate alimr. Kusur olarak smflandnlan bir parada ; bir veya daha fazla kusur bulunabilir. rne in ; bir uak gvdesindeki kusurlu lehim say s , 1m2 kumata ortaya kan hatal ilmek say s , bir isede grlen hava kabarcklar, bir renkli TV kasas nda grlen izikler c grafi i Poisson dalmna uyar. Gerekli ko ullar : 1. Ortalama kusur say s tm toplam kusur say sndan ok daha az olmaldr, 2. rnek hacminin e it olmas gerekir, 3. Kusurlann ortaya kt artlar ayn olmaldr, 4. Kusurlar iyice belirlenmi olmal dr. 5. Burada, kusurlu/kusursuz yerine "Ne derece kusurlu" oldu u tayin edilmektedir. Dolaysyla buradaki c : n birimden oluan bir muayene rne indeki toplam kusurlu saysdr. 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 lmaktadr. letme 4 kusur say sn hedef almt 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 dnda, 1. ve 12. rne'.cler KL'nin tam stnde olduu grlr. Bu durumlar imalatta daha hassas davran lmas gerekti ini gsterir.

5.7.6 Standartlar bilinmiyorsa ; c

(rnek bana kusurlu)

grafii

Her biri n hacimden oluan k adet rnek al ndnda bu rneklerdeki toplam kusurlu say lar c , c2 , , ck olmak zere rnek ba na ortalama kusur says
= 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. iletmenin hedef ald bir deer olmas n. Bu durumda limitler, O = = 104 / 20 = 5.2 - 3. = 5.2 - 3 -Nr5.2 = -1.64 = O

AICL =

KL = -C" + 3. Nr--> = 5.2 + 3 -s!--5-i= 12.04 bulunur. ekil 5.21 ile grafik izilip yorumlanrsa,
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 grafi retimin kontrol alt nda olduu 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 dndadr ( 6. ve 20.) E er bu rnek no'lan atlrsa ; 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 = 6.37 7 = 19.67 + 3 .s,r19.67 = 32.97

olacaktr. (Not: burada her bir rnekteki (ni=100) toplam kusur say lan dikkate alnmaktadr.) Artk sre izlenebilir. laveten daha da yeni rnek no'lan almaya katlabilir. rnein ; (27. , 28., 46. gibi) Bu durumda en son bulunan limitler(*) sreci izlemede belirleyici olacakt r

ilave Bilgi : Baz hallerde c- grafi inin gereinden fazla noktadan olu tuu grlr. Basitlik sa lamak iin; izimi ve grn daha basit olan grafii 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

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

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 bana kusur says)

kontrol grafii

Eer bir deney (alt grup) birden fazla birimden olu uyorsa ve birimlerin say s deneyden deneye de iiyorsa C grafi i yerine U grafi i kullanlr. 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 olmayacaktr. Hatrlanrsa C grafi inde her bir rnelcteici toplam kusur say lan dikkate alnr. U grafinde artk birim bana(bir birimde grlen) kusur say lar dikkate al nacaktr. Burada , U : Muayene birimlerinin kusurlulann ortalama say sdr = c / n Limitler yledir ; O = U = E Ci / n

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

71 + 3. -\TI- in

151

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

lastikten oluan bir mek(lem) al nm ve her bir lastikteki yanaklardalci yzey hatalar says tesbit edilerek aadaki 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 grafini izerek yorumlay nz. 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 olduu gibi benzer biimde hesaplanan limitler dikkate alnarak izilirse ; tm noktalann KL deeri 2.06'mn alt nda olduu iin srecin kontrolde oldu u sylenebilir. Ancak noktalar n ounun ICL'ye yakn olmas srete daha dikkatli olunmas gerektiini sylemektedir. AKL altna den noktalar varl nda bunlann da sebebinin ara trlmas gerekecektir.

152

rnek 18: (Tablo 5.6 'da veriler) hatrlamp dikkate al mrsa ; U grafi 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 aadaki 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 ien n'lere ait AKL ve KL de erleri (yukarda sonulan grld gibi) yeniden hesaplanacakt r. rnein, 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 oluturulacak 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 dtnde srecin kontrol d olduuna karar verilir. Kontrol limitleri dna den 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 olduundan bahsedilebilir. Bu da srete do al olmayan deiim desenleri olduu 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 ortalamasndan 14 tanesi Merkez hatt (O) 'nin altna veya stne derse do al olmayan bir durum sz konusudur.
zel faktrlerin grafklere etkileri
Sre ortalamas ndaki deime, Sre deikenliindeki deimeler, Dalm eklindeki dei me, Srekli ve dzenli de ime, Periyodik olaylarn yol at g deimeler, Hatal uygulamalar n neden olduu deimeler, Tesadt.f hatalarn yol at hatalar

I.

155

5.8 Kmlatif Toplam ( CuSUM ) Kontrol Grafi

Kalite kontrol grafinde srecin kontrol altnda olup olmad yanlzca kontrol snrlarnn iinde/dmda olup olmamakla ilgili deildir. Ayn zamanda srecin tesadfili i de araurlmaldr. Sz konusu bu durum klasik grafkler denilen Shewhart grafiklerinin en nemli yetersizli idir. Bunu gideren grafik ilk defa 1954 y lnda ngiliz istatistikisi E.S Page tarafndan ortaya konulmu ve sonralar daha da gelitirilmitir. CuSUM grafikleri bir srecin kesintisiz olarak kontrolunun sa lanmas amacyla etkili olarak kullanlmaktadr. Ani ve kk ve de srarl deimelerin farkedilmesinde CuSUM grafikleri Shewhart' n klasik grafklerine gre daha duyarl dr. CuSUM grafikleri tek bir tip olmay p eitli ller iin mevcuttur. 1961'de E.S.Page her bir rnek ortalamas ile referans de er (k) diye tanmlad bir deer arasndaki farldarm birikimli toplamlarma dayal bir kontrol plan ieren CuSUM grafiini sunmutur. Sre ortalamas ndaki en fazla 122a 'ya kadarki alanda oluan kk ve orta ldeki de imeler durumunda bu grafik Shewhart' n sunduu grafi e gre ok daha hassastr. Grafik orta izgi veya hedeflenen de erden sapmalarm kmlalif toplamlaruun i lenmesiyle oluturulmaktadr. CuSUM grafkleri aadaki amalar iin kullan lr ; 1. Sre ortalamasmda meydana gelen kk sapmalar tesbit ederek srecin dzeltilmesi iin bilgi sa lamak, 2. Sre ortalamas ndaki sapmann hangi mekten itibaren baladn tesbit etmek, 3. Geerli sre ortalamas m tahmin etmek, 4. Sre ortalamas hakknda ksa dnem iin ileriye ynelik tahminde bulunmak. Bu fonksiyonlardan dolay CuSUM kontrol grafikleri shewhart kontrol grafikleri kadar yayg n bir uygulama alan bulmaktadrlar. Ancak, sre kt deerlerinin 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 grafii esas olarak kronolojik s rada dzenlenmi verilerin analiziyle ilgilidir. Bylelikle yine bir srecin srekli kontrolunun sa lanmas amalanr. Dk maliyetle ayni etkinli i salamas ve deiimin fazla byk olmad durumlarda sre ortalamas ndaki ani ve srarl deiimler bu grafkte derhal farkedilmekte ve de imenin zaman da daha belirgin olarak saptanp, grntlenebilmektedir. Simdi ; T hedef de erli ve sreten ardarda ekilen rneklem ortalamalan
XI X2 X3 X4

Xr

olan bir srece sahip oldu umuzu dnelim. Ortalamalar ve hedek de er T arasndaki farklar , ( - T) , ( - T) , (X3 - T) gibi tanmlayabiliriz, Sr = (X;
-

yazlabilir. Bu farklar aadaki

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 deerlerine ait bilgiler kullan lm olmaktadr. Burada T : hedeflenen deer veya referans de er adn almaktadr. (Baz kaynaklarda bu de er k ile verilmektedir.) Yine o u kez T de eri go olarak al nmaktad r. Bylece Sr deerleri r'lere kar noktalanarak CuSUM noktalan/grafi i elde edilir. E er ortalamalar T etrafnda dengeli da liyorsa grafik yatay eilim gstecek ve srecin kontrolde oldu u karar verilir. Sr eitlii bir serinin gzlem de erlerini yani, x i, x2, x3, ..., xr erler kullarnldnda (n=1) , Sr = ( Xi- T ) bireysld

olarak yazlp kullanlabilir. Grafkte, srecin ortalama/bireysel de erleri giderek ykseliyorsa farklann o u pozitif olaca ndan CuSUM grafi i

157

ykselen bir eilim , ortalama de er giderek azal yorsa CuSUM grafi i azalan bir eilim gsterir. Bu durumlarda srecin kontrolden kma eilimi sz konusu olacak ve srecin ortalamas da deiecektir. CuSUM grafi inin bir avantaj da srecin kontrol d na kt noktay gstermesidir. Varsayalm 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 nsn. 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 snrlar hesaplanrsa (1.1 ve a biliniyor) O= 50 , AKL= 50-3.(4) = 38 ve KL= 50+3.(4)=62 bulunur. rnek ortalamalan bu s nrlara gre karlatnldnda grlrki sre kontroldedir. Oysa Sr de erleri incelendi inde veya grafi izildiinde ; a) ilk 10 rneklem iin Sr de erleri s fr deerine nisbeten yakn serpilmi tir. rneklem ortalamalann n ortalamas da 50.4 olup, hedef de ere yakndr. b) 11-20 'ye kadarki rneklemlerde Sr (birikimli toplam) de erleri hzla ykselmitir. Burada rneklem ortalamalann n ortalamas 55 etrafnda olmutur. Hedef de erden sapma mevcuttur. Dolaysyla, bu ilgin bir durumdur. Srecin kontrold na doru 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 altnda olup olmadn anlamak i lemleri salam temellere dayanmamaktad r. Noktalarn bir eilim gstermesi halinde srecin kontrol dna kabilecei sylenmektedir. Bu durumlar ve gzlemler karar vericileri hatal kararlara gtrebilir. Genel olarak hedef de er olan go 'dar her iki ynde sapmann olabilecei dnlr. Ortalamadan her iki yndeki sapmalann tesbit edilmesini salayan grafikler " ki-ynl grafik i lemleri" , sadece bir yndeki sapmalan tesbit eden grafiklere de "Tek-ynl grafik-ilemleri" ad verilir. * * * Bir srete hedef de er olan belli bir deerden pozitif ve negatif yndeki sapmalann olabilirlii sre ktlanmn "Normal dalmn" varsay myla sabittir. Bu durumla "Sre ortalamas ndaki eilimlerin kontrol d olup/olmad nn" tesbitinde V- maskesi oluumu ve kullanm nerilir.

5.8.2 V- Maskesi dzenlenmesi ve yorumlanmas

Srecin kontrolde olup olmad bu maske ile belirlenir. Ana fikir udur; gzlem says ve birikimli toplam noktalar iaretlendikten sonra noktalar n tmnn maskenin iki kolu aras nda kalp kalmayacan grmektir. Byle bir maskeye genel bir rnek olarak ekil 5.22 ile verilebilir.

Es 64 7 2;56 e448
;:f40 4

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= Says

ekil 5.22 Genel bir V-Maskesi grnts V-Maskesi ve ilemleri 1959 y lnda G.Barnard tarafndan uygulama ve teoriye kazand nlmtr. V-Maskesi ( d: uzunluk(yn mesafesi) ve 8 : a )

159

bilinirse oluturulabilir. ekil 5.22 'den de grlece i gibi hesaplanan Sr 'lerin sonuncusuna karlk gelen noktadan yatay eksene izilen paralel dorunun zerinde ve d kadar uzaktaki nokta V-Maskesinin k esidir. V 'nin kollar arasndaki a 20 'dr. Dolaysyla CuSUM grafindeki (hesaplamalanndaki Sr'ler) bu a mn kollar arasnda ise sre istatistiksel olarak "kontroldedir" denir. V-Maskesinin olu turulmas yani elle izimi mmkn ise de ve yeni noktalarn ilavesiyle oluan karmasklk artk gnmzde var olan hazr paket pro ramlann kullanm yardmyla kolaylamtr. Elle izimler iin d ve deerlerini hesaplamak iin baz bulunmu formllerden yararlan lr.

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

(a ve P risklerinin bir

p, 0 kabul edilerek ,

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

160

m n+1 rr+

= rr+n-1

Ornek No.

ekil 5.23 V-Maskesinin ayrntl grnts

5.8.3 V-Maskesini oluturmadaki alternatif zmler

1. Alternatif :

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

e belirlemek ve izim yapmak. ekil 5.24 gstermektedir

yardmyla d ve deerlerini d ve 8

ekil 5.24 d ve 8 de erleri

161

2. Alternatif :

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

ekil 5.25 H ve d de erleri

3. Alternatif : Sadece H ve K de erleri kullan myla ilk nokta ile son nokta
K = D / 2, aras nda V-Maskesi kollar izimi. Eer 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 sd r. Sadece izim tekniklerinde farkl lklar 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 olduundan CY x = 6 = 1 olur. Buradan, tan O = D/2A = 5.a/2A.6 olduundan 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 vardr. 1. ile 30. Nokta arasndaki 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 nlmazdr. Bu nedenlerle kurulu lar, retim sonras nda yaplan ii kontrol etmek ve hatal retimlerin ileri aamalarda dier kurululara veya tketicilere ula masna engel olmak durumundadr. Ayrca bir kurulu baka bir kurulutan belli bir artnameye gre satn ald hammadde ,yanmamul madde veya mamln artnameye uygunluunu kontrol etmek durumundad r. Bu nedenlerle rnn kabul edilebilir olup olmadm anlamak zere e itli aamalarda rnekler muayeneye tabi tutulur. Bu i leme Kabul rneklemesi denir. Hatrlanaca gibi istatistik test ve tekniklerinin yo un olarak kullanld kalite kontrol alanlar yledir; I. Girdi kontrolu : D ardan sat n alnan ham ve yan mamul maddelerin kontrolu, 2. Sre kontrolu : retim esnas ndaki kontrol, 3. kt kontrolu : Aym i letmenin di er ksmlanna veya kurulu lara retilerek gnderilen , yan mamul veya mamulun kontrolu. Dolaysyla, "Kabul rneklemesi : girdi ve kt kontrolunde kullan lan rnekleme yntemlerinin kalite kontrolune uygulamas dr."

Kabul rneklemesi : herhangi bir mamul veya hizmet hakk nda kabul veya red karar verilmesi amac yla zerekle tirilen "rnekleme muayenesi" ilemlerinden 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 cnn) zerinde anlatklar bir kabul planna gre yap lr. Bu kabul plannda mamulun zellikleri , parti geni lii, kusurlu yzdesi , rnek geni lii gibi bir ok eleman bulunacaktr.
Kabul rneklemesi'nin amac ; sz konusu y n kalitesini tahmin etmek deil , bu ynn kabul veya red karar iin yol gstermektir. Bu durum kalite dzeyi hakknda emniyet salar.

6.2 Muayene ve numune alma

Spesifikasyonlarm gerekle me derecesinin tesbiti veya tasarm kalitesi ile gerekleen kalite dzeyi aras ndaki farkn 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 lr. Bu incelemelerle rnn kabul edilebilir olup olmadn anlamak zere e itli aamalarda alnan rnekler muayeneye tabi tutulurlar. Bu i leme "Kabul rneklemesi " denir. Numune alma : Bir parti mal n kalitesi hakknda karar vermek iin her paray teker teker muayene etmektense nisbeten kk say da bir numune alnr ve partinin kabul edilip edilemeyece i hakknda karar verilir. Bu i lem; 1. Tm rnelclerde %100 muayene ile, 2. rnekleme ile yap lr.
rnekleme muayenesi ; girite, kta, srete ar deimelere yol aan hata kaynaklarn saptamak ve dzeltici nlemler al nmasn salamak iin uygulanr.

1.

166

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

te ; bu iki durum ihtimali asgari klndka baanl olurlar. Ancak numune hacmi arttka 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 (SALAM) m?

Evet

Salam mal =SATIS

* yeniden retime dahil et, * dk fiyattan sat , * depoya kaldr

6.3 Muayene trleri

Satn almlarda uygulanabilecek muayene trleri iki kmede toplanabilir. Bunlar, 1. Deikenlerin muayenesi : llen de erle spesifikasyon aras ndaki fark ile ilgilenir. 2. zelliklerin muayenesi : mamullerin salam/bozuk ,iyi/kt , s nrlar iinde/de il gibi niteliklerini belirlemeye al r.

167

Parti hakkndaki karar muayene edilen birimlerdeki kusur veya kusurlu says na gre verilir. Uygulamalarda bu tr karar verme daha tercih edilir olmaktadr. Muayeneye sunulan partiler hakknda en do ru karar ulaabilmek iin partilerin homojen olmalar , heterojen faktrler gstermemeleri gerekir. Satn almlarda ham gere y n veya yan endstriden gelen retilmi para grubu KAPIYA DAYANDII zaman u sorular AKLA gelmektedir; 1. Acaba gelen gere y n veya para grubu belirtilen kalite standartlar tamamen uygun mudur? na 2. Uygunsa uygunluk derecesi nedir ? 3. Tad kalite artlarna gre bu yn veya grup kabul edilmeli midir? Bu sorulara.' cevab ancak ynn veya grubun tamam nn deilde, daha ekonomik olmas iin rnekleme yolu ile belli bir k smnn kontrol edilmesinden sonra verilebilir. Gerek nitel zelliklere ve gerekse nicel zelliklere gre Kabul rneklemesi yaplan muayenelerde numune (alma)inceleme planlar 4 ekilde gerekletirilebilir. Bunlar, 1. 2. 3. 4. Tek (single) rnekleme plan, ift (double) rnekleme plan , oklu (multiple) rnekleme plan , Ardk (sequential) rnekleme plan .

retici ve alimin zerinde anlatklan bir "kabul plan" 3 bilgiden oluur. 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 sndaki 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 saysnn okluunu azaltr, 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 hakknda doru kararn verilmesidir.
Yukarda bahsedilen iki hata ortadan kald nlamayacana gre, belirsizlik altnda karar verme olas l sz konusudur. Ama bu olas lklar= en kk de erini salamaktr. rnekleme muayenesinin beklenen sonular vermemesine neden olan faktrler uygulamada i lenen teknik hatalar d nda aadaki gibi sralanabilir; 1. Sfr kusurlu (%100 sa lam) paral partiler, 2. rnek seiminde tesadfili in tam anlamyla salanmas, 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 Hazrlayc "Kavramlar ve Tan mlar"
Mamul birimi : Muayeneye sunulan partiyi oluturan ve muayene sonunda Kusurlu veya Salam olarak suuflandnlan ,zerinde i lem yaplan eydir. (Tek para, ift veya takm halinde bir para uzunluk, bir alan, bir hacim, sat n alnan , imal edilen...) Parti (Lot-ing) : Ayn koullar kabul edilen ve kabul artlarna uygun olup olmadn belirlemek amac yla %100 olarak veya iinden bir miktar numune alnarak 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 sayda birimin muayene edilmesidir. Nitel zelliklere gre muayene : Bir partinin veya bu partiden al nan numunenin her birimi iin nitel zelli in bulunup bulunmadn aramaya ve bu zelliin saysn saptamaya yarayan bir muayenedir. llebilen zelliklere gre muayene : Nicel zelli in lld veya deneyler sonucu bulunduu muayenedir. Kusur saysna gre muayene : saptand muayenedir.
bir veya yz birimdelci kusur say snn

Sk muayene : Muayene seviyesi olup ,muayeneye sunulan mamulun insan sal ve hayatna yapaca etkilerin nemine gre yzde yz'e yak n orannn muayenesidir. Normal muayene: Numune says sk muayeneye oranla daha az fakat numunede bulunabilecek kusurlu say snn daha byk olduu bir muayenedir.

170 Gevsek muayene Numune says ve buna karlk gelen kabul say s dier 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 tarafndan 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 yerine salamlar konulmu btn partiler n dahildir. Ortalama son nitelik seviyesi (AOQL-ing) : Muayene s rasnda ayn zellikte ardarda gelen partiler iinde bulunan AOQ de erlerinin en bydr. slem karekteristii erisi OC-ing) : Verilen bir AQL de eri iin partiyi gerek niteli e bal olarak kabul etme olas ln veren bir e ridir.
(

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

edilme olas ldr.

Tketici riski (Consumer's risk ing) : Kusurlu yzdesi P2 olan bir partinin kabul edilme olasldr.

171

6.5 retici ve Tketici Riski

retilen mallar iyi veya kt kalitelidir. Dolay syla, oluturulan partilerin hepsinin iyi parti olmas beklenemez. Ayrca 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 maln reddedilmesi" olas lna ; retici riski denir. Uygulamalarda a ile gsterilir ve genellikle yaklak 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 olduu sylenemez. retici ve tketici "kt parti mal" iin bir p2 kusurlu oran zerinde anlarlar. 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 oranna) : Parti tolerans ad verilir: "Kt bir partinin kabul edilme olas lna ; Tketici riski denilir. j3 ile gsterilir ve yakla k olarak 0.10 olarak al nr.

6.6 alma Karekteristi i K (OC ing) Plan erisi

-

Bu eri , bir rnekleme plan oluturulduunda plann daha iyi ifade edilemesi amacna ynelik "deiik kalitede giri yapan partilerin kabul olasliklarim" gsterir. Dolay syla , rnekleme plannn yeterliliinin lsdr.(OC = Operating Characteristic Curve) Parti retiminde her parti mal n ayn kalite dzeyinde olmas yani, ayn oranda kusurlu para iermesi beklenemez. Dolay syla, bir rnekleme plannda deien kalite seviyeleri P' kar snda partilerin kabul olas lklar P(a) de iimini K erisi 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 nn bir fonksiyonudur. E er retici ve tketici riskleri s fr olursa bu plan e risine ekil 6.1a 'da da grld zere " deal plan e risi" ad verilir. Uygulamalarda kabul olas l P(a)'an 0 veya 1 olmas hemen hemen imkanszd r. rnek hacminin byk ve ekil 6.1b'de ifade edilen P1 ve P2 deerlerinin birbirine ok yak nolmas halinde ideal plan e risine yakn bir eri 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 tarafndan saptanan bir parti Kabul edilebilir kalite dzeyi hatal yzdesidir. yi kaliteli mal belirler. Genellikle bu kalite dzeyinde bir partinin yksek bir olas lkla kabul edilmesi istenir. KKD' indeki bir partinin %95 olaslkla kabul edilmesi benimsenir. Ancak, KKD 'den daha iyi durumda bir partinin de %5 reddedilme riski vard r. Hatrlanrsa buna ; "retici riski" denir.
:

Reddedilebilir kalite dzeyi : Kt kaliteli ve bu nedenle yksek olas lkla reddedilmesi gereken bir partinin hatal orandr. Kt kaliteli bir partinin plan tarafndan kabul edilme olas l %10' dr. Hatrlanrsa buna ; "Tketici riski" denir. K Erisinin izilmesi iin ; rne in, N: parti hacmi , n : rnek hacmi ve c: kabul say s gibi ifadelere ihtiya vardr. Daha sonra de iik giri-gelen kusurlu oranlar (P') deerlerine karlk P(a) kabul olas lklar hesaplanr ve K erisi izilir ve yorumlan r. Kabul rneldemesinde numune alma de iik rnekleme planlar ile yaplr. Bu planlarda K e risi kullanlr ve yorumlamalar yap lr.

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

Kabul olashn(larn) bulmak iin kesikli olaslk dalmlanndan 1-lipergeometrik-Binom-Poisson" yararlan labilir. Bunlardan hangisinin uygun yani kolay sonuca gtrece i aratnlmaldr. Ancak hepsinin de verece i sonular (kabul olas lklar) yaklak ayn olacaktr.

174

Verilen rnekte n----75 'lik iinde ( 0,1,2,3) adet kusurlu olabilir. Burada P(a) olaslm "Hipergeometrik da lm ile" bulalm. K= P'. N ve P f=0.02 olduundan partideki kusurlu says ; 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 ilem pratik de ildir. imdi P(a) olasln "Binom dalm ile" bulalm. Burada, n=75 , P =0.02 olduundan 1-P'=q =0.98 salam olasldr. 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 bahsedildii zere bu plan iin verilen deerler (n/N = 75/800 < 0.10 , ve P 0.05) uyduu iin zm iin en iyi yol Poisson da lmn kullanmak olacaktr. Artk imdi P(a) olas ln "Poisson dalm ile" bulalm. = 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. Dolaysyla K e risini oluturmak iin de iik P' deerlerini kullanarak Poisson dalm yardmyla ayn yoldan ilemler yaplrsa ; P = 0.01 iin P(a)= 0.993 = 0.02 iin P(a)= 0.934 (yukarda bulunmutu ! ) 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 almalyz ve ne zaman duracaz? Cevab iin ; yukarda bulunan P(a) de erlerini inceledi imizde grlr ki , P(a) de erleri iyice kldnde durmak gerekecektir. Artk K erisi 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 erisi zerinden yapabiliriz. Yine baz bilgileri hatrlarsak : P(a)=0.95 kabul olaslnda eririin eiminde ani bir de iiklik grlr. Bu noktadaki %5 red riskine "retici riski" denir. Yine, e ride P(a)= 0.10 'da ani bir de iiklik vardr. Bu %10 kabul olas l " Tketici riskidir". Bu gibi K e rileri Ters'den de yorumlama iin kullanlabilir. 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 eitleri

Kabul rneklemesinde nurn me alma nce de belirtildi i gibi genellikle aadaki rnekleme planlar ile yapl r. Bunlar ; Tek (single)katl rnekleme plan, ift (double)katl rnekleme plan, l rnekleme plan, oklu (multiple)kath rnekleme plan , Ardk (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 hakknda kabul veya red karar na ulama eklidir. Burada, N partilik rrIlerden rasgele olarak n birimlik rneklem al nr ve %100 muayeneye tabi tutulur. Alnan numuneler kusurlu/kusursuz incelemesi yaplarak(tammlanarak) d: kusurlu say s tesbit edilir. Daha nceden bilinen c : partinin kabul iin rnekte bulunmas gereken en byk kusurlu says ile aadaki karlatrmalar yap larak parti hakknda karar verilir. Burada : N , n , c temel elemanlard r. Eer, d < c ise parti kabul edilir. d >c ise parti red edilir. Tm parti %100 muayeneye tabi tutulur, kusurlular kusursuzlarla de itirilir. 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 lklar hesaplanrken kullan lmas gereken en uygun olas lk dalm N , n, p de erlerine gre en uygun ilemlerle sonuca gtrecek olan : Hipergeometril Binom, Poisson , Normal dalmlarndan birisi olacaktr.

177

rnek 2: Bir iletmede 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 olduu biliniyorsa "Tek kath-tekli) rnekleme plan na gre partinin kabul olasl katr?

zm : Burada,
N= 2000 , D=80 , p=80/2000= 0.04 (%4) oldu undan n = 200 olacaktr. 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 olasl iin "Poisson dalm" kullanlabilir. 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 olasl = 0.10 olacaktr. Ayn sonuca di er belirtilen olaslk dalmlan ile de yaklak olarak ulalabilir. ** Bu rnekte grlmektedir ki sadece kabul olas l bulunmutur. Bu haliyle CK. erisi izilemez . Ancak de iik parti kalitelerine gre giren de iik kusurlu oranlarnn da ilaveleriyle bulunacak P(a) 'lar zerinden K izilip deiik yorumlamalar yap labilir.

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

178

zm : Poisson dalm yard myla ; rne in p=0.01 iin kabul olas l = n.p = 150. (0.01)= 1.5 yardmyla ; P(a) ' y bulmak iin ; 4 d P(a) = E exp(-1.5) . 1.5 / d! = 0.98 bulunur. d=0 Dier belirtilen p 'ler iin = n.p = 150. ( * ) yardmyla (*) yerine di er p 'leri koyarak deerleri 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 aamal olarak aluur. Uygulamas biraz daha dikkat ister. Plan iin gerekli ifadeler yledir. ni : N'lik partiden ilk olarak seilen rneklem genilii /12 : N'lik partiden ikinci olarak seilen rneklem geni lii 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. Eer dl < cl ise parti kabul edilir. dl > c2 ise parti red edilir.

179

Eer ;
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 ileyilerde nemli olan husus; n, n2, c, c2 deerlerinin ka olacadr. te bu deerlere ulamada ve parti hakknda karar vermede rnein ileride aklanacak olan MIL STD-105 D Haz r Kabul meldemesi plan sisteminden yararlanlabilir.

rnek 3: Aadaki ift katl (ikili) plana gre p=0.01 bozuk oran ile gelen
N=500'lk partilerin kabul edilme olasln bulunuz. ( n= 20 , c = 0 , n2= 30 , C2= 2 ) hazr verilsin. Plana gre ; n1=20 'de n2=30 'da d 5_ c = 0 ise kabul, d +d 5. C2 = 2 ise kabul olacaktr.

zm iin ; n ve n2 yeteri kadar byk ve p 'de kk oldu u kabul edilerek poisson ile zme gidilebilir. Kabul olasl ; P(Kabul / d c , d +d2 5_ C2= 2 ) ile bulunacaktr. 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 dalm yardmyla : 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 : Hatrlanaca 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 plann aklayunz, b. 0,05 kusurlu oranna ait kabul olasln bulunuz, c. KKD ve PT de erlerini bularak yorumlay nz. zm : a. Bu ift katl rnekleme planna gre N=400 birimlik partiden nce n = 10 birimlik birinci rnek al nacaktr. Bu 10 rnek %100 muayeneye tabi tutulacak ve d =kusurlu says belirlenecektir. Plana gre e er 10 tanede hi kusurlu kmazsa N=400'lk parti kabul edilecek, eer 10 tanede c2=3'den fazla kusurlu karsa N=400'lk parti red edilecektir.
Yine plan ileyiine gre n =10 'daki kusurlu says 1, 2, 3 olursa n2=20'lik ikinci bir rnek Yine N=400'lk partiden al nacak ve buradaki kusurlu says 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 olaslklarn toplam ile sonu elde edilir.

p=0.05 esas alndnda; ( poisson dalm yardmyla) X = n .p = 10.(0.05) = 0.5 ve X2= n2. p = 20.(0.05) = 0.1 kullanlarak, 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 iik kusurlu oranlar iin P(a) olaslklar hesaplanabilir ve plan erisi izilebilir. c. Yukarda belirtildii gibi bir ok deiik kusurlu oranlar iin P(a) olaslklar hesaplanabilir. Sonular yle olacaktr. 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 aadaki ekil ile grebiliriz.

P
0.9991

Ni,
CKS.0.0469

ARA
PARTI PT.0.6490

Bu ekili oluturmann gerei KKD ve PT de erlerini (olas lklanm) 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 says : 19 - 260 aras nda olan partiler ara partilerdir.

rnek 6: ift katl kabul planlarnda deiik oranlarda gelen kusurlu

yzdeleri varl nda P(a) : kabul olas ln aadaki 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 dktr.

184

6.7.3.1 katl rnekleme plan

Tekli ve ift rnekleme plan daha nceden anlat ldndan(bilindiinden) katl plan anlatm 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

durumlarnda parti kalite dzeyi- kusurlu para oran kabul edilme olas ln bulunuz. zm : l plann ak aadaki 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 ada plann 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 adaki 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 planna gre ; n =50 , n2=50 , n3=100 , n4=100 , n5=150 , n6=150 , n7=200 adetlik rnekler alnmas kararlatnlmtr. 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 rasyla yaplan 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) olduundan 2. rnek alnr, 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) olduundan z 4. rnek alnr, 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 yaps iinde ele al ndnda kullancya byk sayda davran biimi brakmaktadr. Bununla beraber partiye tan nan an (k :alnabilecek rneklerin maximum says) bydke maliyetler bymekte, bazende gereksiz muayeneleri gndeme getirebilmektedir. Ardk rnekleme plan WALD tarafndan II.Dnya sava sralannda geli tirilmitir. 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 ardk rnekleme hacimleri ve (kabul / red) veya (rneklemeye devam et) karar m belirleyen kusurlu para say lan verilmitir. Dikey stunlardaki (K) ve (R) s ras ile Kabul ve red kararn belirleyen "kusurlu para say landar." Tablo kullanlrken OK'lu ( ) blgeye gelinirse OK'un ucundaki ilk plan alnr. Tablodaki noktalar ( . ) o rnek hacminde herhangi bir kabul saysnn bulunmadn belirtir.

R4 4E OUSEK

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

aziaram

Pano

vr~1

azr ICIN
1110.1

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

3,";

n
il

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 GEMIGMEIMIEWEIOIDGIDIREIGOEMOC:1121:100131 111111/EILTIMIEWILIZIEILIDUMIENIC1110~11300:10C11 EIMIESIZEIDOWICIOCIGUIEEMEICIIIME10000011:10C1 11111111110111111 01110011210112113OCILIGIIIIIDOE10112000EICIEIG 111112113E10111 0101011101E101113111E1EILIZIOILIE1113011:11:1113C111120 r1117112131111111011:10111111130111:111210131131130111313113121101111201Ma
1211111CM101001121111:111811:10011111EILKIGICIED1112100130

anumfflananalammaniropo nco

enal

MI IlleaDENOGU0012011112111011:11001MME10120EIGE1001 11=111 IMEICIEIGIGEIGEMEIGIEll 11011111.1111.11121 111111111111 1111EMBEIMIDIEIMIGIC10113101131120111010111000

.., ";";

am

nonlIMICIIIIIMEMOCIIERIUMICIOUQUICIGGEIGIOCI

cnenrnar amrmarnnanaminnonownnnara neronnmannrnano rmninennemocmmeGIMING inemnonsiODE1181101131131130=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 Ardk rnekleme plan uygulanacaktr. A mal iin KKD= %5 olarak olarak kabul edilmektedir. Ard k rnekleme plann uygulayarak aklaynuz. zm : Tablo 6.1 'den N=600 iin parti hacmine bak ldnda (500-799) satn ve stten KKD=%5 de eri dikkate al nr, deerler okunur. * Birikimli *
rnek hacmi Kabul say s Red says 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 iaretlenir. (Kabul veya red) blgelerine dmedii takdirde rneklemeye devam edilir. *Burada kabul sayst = 1 , red says = 6 'dr. *Sonra 20 adet rnek daha ekilerek devam edilir. *Bu durumda kabul says = 3 ve red says =8'dir. *Arta kalan say iin ekmeye devam edilerek 20 adet rnek daha ekilir *ve birikimli rnek hacmi 80'e kanlr. *Kabul says = 5 ve red says = 10'dur. *Eer 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 kartlr. * 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 aamada kesinlikle belirlenmi olur.

189

6.7.5 Di er rnekleme planlar

Buraya kadar belirtilen rnekleme planlar nn dnda aada belirtilen ve ayrntlarna 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 Deerlendirme Teknikleri 6.8.1 Ortalama k kalitesi ve snr (OKS) (AQOL- ing)
Bu kavram ile btn partilerin kalite dzeyleri yans tlr. 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 arlkl kalite ortalamas dr. Daha baka bir deile ; bir rnekleme plan uygulandnda partinin red edildii durumlar olabilir. Reddedilen bu parti ; %100 muayeneye tabi tutularak kusurlular ay klarnr, ve yerine kusursuz(sa lam) paralar yerine konur, Dolaysyla ; reddedilip de dzeltmeye tabi tutulan sz konusu partide "kusurlu oran = sfr " 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 aktr. zetle ; tketici, uygulanan kabul plan ile (kabul veya rededilen) partiler toplamnda bulunmas mmkn olan "en kt kaliteyi" bilmek ister.

190

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

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. rnein ; kusurlu oran P=0.01 olan bir partinin kabul olasl 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 sfr olacaktr. 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 deerleri 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(an. ( N-n -n2) / N ile bulunur. Burada ; P = kusurlu oran , P(an = 1. rnekten sonraki kabul olas l P(an= 2. rnekten sonraki kabul olas l

anlamndadr.

OK 'nn ald "En byk-maximum" deere ; Ortalama k Kalitesi Smr' denir. Herhangi bir kusurlu oran iin OK maksimum ise o kusurlu oranna karlk gelen parti en kt partidir. Bu durumu bilmek : alc veya tketici iin nemlidir. rnek 10 : Tekli rnekleme plan dahilinde ( N= 300 , n=24 , c=2 ) iin eitli kusurlu oranlanna ait kabul olas lklar' aadadr. OKS deerini bularak yorumlaymz.

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 edildiinden ; OK = P(a).P.(N-n) / N yardmyla ; 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 deeri 0.10 kusurlu oranna karlk gelmitir. Yani OKS = 0.0524 `dir

192

Bu tekli kabul plan na gre ; en kt kalite %10 kusurlu oranna gelen partidedir. Bu kusurlu oranlarna gre en kt partideki kusurlu saysnn 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 snrm verilen bilgiler yardmyla yorumlaynz. 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

deerlerine ulalr. 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 incelendiinde 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" olduu sylenebilir. Bu durum aadaki 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 karlk gelen P(a) kabul olaslklar aada verilmitir. OK deerlerini hesaplaymz ve yorumlaymz. 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 ) deerleri 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 aadaki 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 lk gelen 0.0666 deeridir. 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 erisi (OS) (ASN - ing)

Herhangi bir rnek alma plan nn nemli bir zellii ; rnek muayenesinin parti bana maliyetidir. Muayene edilecek rneklerin al nmasna ait masrafi dikkate alm yoruz. nk, bunlar bir rnden di erine ok de ien durunlardr. Buradaki esas problem ; giri kalitesi belli ve P olan bir partide bir kara vermemiz iin muayene edilmesi gereken "ortalama para say sn" tesbit etmektir. OS = Ortalama rnek says = parti hakknda karar vermemiz iin gereken parti bana ortalama para say sdr.

195

Tekli rnek alma plan iin bu durum kolayd r ve " n " anlammdad r. Fakat ikili rnek alma plan iin biraz daha karktr. 0S , n ve n +n2 arasnda bir yerdedir. Nerede oldu u? sorusu " partinin % ka bir karara vardabilmesi iin ikinci bir rnee ihtiya gsterir ?" durumuna ba ldr. ok iyi kalitedeki partiler ilk rnekte (kabul) edilirler, buna kar lk ok kt kalitedeki partiler genellikle ilk rnekte (red) edilir. Bu durumlarda 0S n 'in yaknnda bulunur. Dier taraftan orta kaliteliler iin 0S n +n2 'ye yakndr. 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 olasl hesaplarn ve aadaki 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 'dr. Dolays 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 olduundan genellikle ; OS= n + P(ikinci rnek) 112 dir. alma 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 erisi (a)

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

(a) ve (b) iin OS erisi

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 olasl 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 plann iin ortaya kan OS erileri yukarda icelenirse grlr ki ; ikili rnek alma plan iin OS says tekli rnek alma planndan dktr. P=0.00 'dan_ 0.018'e kadar ve 0.073'den sonra rnek miktara daha dk, arada ise yksektir.

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

Bu eri ; rnek muayenesi ve ay klamay ihtiva etmek zere parti ba na "toplam ortalama muayene say sn " gsterir. ki ksmdan oluur. 1. Plan iin OS , 2. Reddedilen partilerin % 100 muayenesi

Tekli rnek alma iin durum kolaydr. Kabul edilen partiler iin OMS sabittir; n ve bunlarn oran 1- P(a) 'dr. OMS =N 'dir.

198

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

( 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 ksmda bahsedilen P= 0.03 iin ikili rnek alma plannda ; OTM=199+ (3000-100). (0.084) + (3000-100-200). (1- 0.440-0.084)= 1.728* bulunur. Hesaplamalar a ada grlmektedir Parti kalitesi P 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 Parti bana 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 Erilerinin karlatrlmas

Buraya kadar anlatlan ve kullanlan ; bir rnek alma plan nn karakteristiklerini de erlendirmeye yar yan drt e riden bahsedildi. Bunlardan ikisi ( K ve OK) : plannn salad koruma ile ilgilidir. Dier ikisi ise ( OS ve OTM) : plann maliyeti ile ilgilidir. Byk rnek hacmi ile daha hassas olan K e risi elde edilir. Fakat bu durumda rnek muayene masraflan ykselir. Dolay syla aadaki 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 lk gelen sonular fazlaca bir anlam ifade etmezler. Veya rnekler tesadfi seildi i halde (salam ve bozuk) para tanmlamalar ak deilse yine byk bir anlam ta mazlar. Bu iki husus herhangi bir "rnek alma" plan nn almasna esastr.

6.10 Hazr Kabul rneklemesi Plan Sistemleri

Bir rnekleme plan sisteminin tasarm ve hazrlanmas kolay deildir. nceki anlatmlarda grlece i gibi uzun istatistiksel hesaplamalar n yaplmasn gerektirir. Plan n tasarm ; al ma karakteristi i erisinin istenilen artlara uygunluunu salayan "rnek hacmi" ve bu rnek hacminde bulunaca kabul edilen en ok say daki kusurlu rn " d " deerlerinin belirlenerek hesaplamalar n yaplmas ile oluturulur. 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 kullanlmas kolaydr. Bu plan sistemleri iin nceden haz rlanm izelgeler-tablolar bulunmaktadr. Kullanlacak plan ve gerekli ifadeleri esas al narak sonuca ulalr. rne in "Tekli rnekleme" plannda; kullancya lazm olan ( n , c ) deerleri elde edilecektir. Yine "Ikili rnekleme" plannda; n ,n2,c ,c2 deerleri elde edilecek ve gerekli nitelik kontrolu yap lacaktr. Bu almalarda en ok kullanlan plan sistemleri aadadr. 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 ltary Standard) haz r plan sistemi

zellikle II. Dnya Sava srasnda gelitirilmitir. Gnmzde olduka fazla kullanm olanana sahiptir. Bu standard n temeli olan MIL STD-105 A 1950 ylnda , MIL STD-105 D ise 1963'te oluturulmutur. Yine bu standarta benzeyen ANSI/ASOC Z 1.4 ad ndaki sivil standart plan da mevcuttur.
Plann kullan m amac: Hedef kaliteyi korumakt r. Plan kullanm iin gerekli kavramlar : AQL (Acceptable Quality Level = Kabul edilebilir kalite dzeyi) : Al c tarafndan belirlenir. Partinin kabul edilebilir en kt yzdesidir. (% 1 ile 1000 arasnda) Muayene Dzeyi : Planda 2 ksmdr. (a) Genel Muayene : 3 dzeyi vardr. ( Gevek, Normal, Sk)

201

Sk Muayene: Muayene dzeyi olup, muayeneye sunulan rnn insan

sal ve hayatna yapaca etkilerin nemine gre, yzde yz'e yak n oranmn muayenesidir. Normal muayene: Numune sayas sk muayeneye oranla daha az fakat numunede bulunabilecek kusurlu say snn daha byk olduu bir muayenedir. Gevek muayene :Numune says ve buna karlk gelen kabul say s dier iki muayeneye oranla daha byk olan bir muayenedir ** Aksi belirtilmedike : Normal muayene al nr.

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

rnek plan : Tek'li, ki'li, oklu Kullanlan Tablo says : 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 saptanr. rneklem plan belirlenir ve ilgili tabloya (Tablo: 6.3, 6.4, 6.5) geilir. 6. Tablo 6.2' den saptanan Kod harfi. Buna kar lk gelen numune hacmi, hacirnleri ve seilen AQL ile akan ( Kabul ve red say lar ) okunur. 7. rneklem planna gre denetlemeler yap larak parti hakknda kabul/red karar verilir.

MIL STD 105 D PLANI N GEREKL TABLOLAR

-

Tablo 6.2 : N parti byklne 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 : Gevek muayene iin Tekli numune alma plan tablosu Tablo 6.4a : Normal muayene iin ikili nurnune alma plan tablosu 6.4b : Sk muayene iin ikili numune alma plan tablosu Ta 6.4c : Gevek muayene iin ikili numune alma plan tablosu Ta 6.5a : Normal muayene iin oklu numune alma plan tablosu Ta 6.5b : Sk muayene iin oklu numune alma plan tablosu Ta Ta 6.5c : Gevek muayene iin oklu numune alma plan tablosu Ta 6.2 : N parti byldiUte 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:oo
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 1: "' l: 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,121.Ac Mil As14. Re Ac AcAcAc 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

0 I il 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 .'' el elei mu

. .

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 st l*91 Dt

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, i , a Il x I u

:::: -

-^ 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

3 : :4

,,

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

7 :1 Ir- r 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`1 7

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
r1; 6

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

Y 3 18 7 13 U 13 M . 25

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

12 1

17 Y 9 31 33

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

,,..... rr , ...
.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

,.: 1 ' l'. 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

. ; .13. ? .E> 4]. 43 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: 73 17 u 13 4 '"" " 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 satn alma gc byk bir al c durumundadr. Kulland maddeleri balca drt ana grupta toplamak mmkndr. 1. Levazm maddeleri 2. Mhimmat ve Akaryakt 3. Ordonat malzemeleri 4. Shhi malzemeler Bunlarn iinde parti kusurlu yzdeleri nceden bilinenleri; 2, 3, 4 ve bir ksm 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 satn alnma ekillerine gre gurupland rlmas .

Muayene Oli ' -f,ymi

e ekli

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 -

Paraat 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

rnein, normal muayene stununda tava hesab olan battaniye, pike gibi levazm malzemeleri ile ameliyat aletleri gibi s hhi malzemeler ve imal edilmi kovan ve rekorun lastik k sm gibi ordonat malzemeleri bulunmaktadr.

RNEK 1 :
Kabul edelimki A firmas na sipari olarak verilen tek ki ilik battaniye (levazm 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 alnmtr. Tek rnekli plan ve Genel muayene dzeyi, (IL Dzey = normal ) muayene yap lacaktr. lk olarak, Tablo 6.2'den N=1250 satrnda, GMS-Iistunmun kesime 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. Yaplacak ilem; Partiden 125 battaniye (Kusurlu-kusursuz) diye incelenir ve d: kusurlu says saptanr. Eer, 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. Eer 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 hakknda 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 syla, 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 nr . 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 lk gelen ; n1 iin ; Kabul= 2 , red = 5 n2 iin ; Kabul= 6 , red = 7 deerleri okunarak plan i letilir ve sonuta bulunacak dl ve d2 kusurlu saylarna gre N=20000 'lik parti kabul veya red edilir.

SONULAR: Grld gibi nitel arlkl satn almlarda kullanlabilecek MIL STD-105 plan Trk Silahl Kuvvetlerinin ve bir ok "Kamu ve de zel kuruluun" yapaca bir ok almlarda baar ile kullanlabilir. Plann ileme konulmas kolay olup, kullamclann bilgi seviyesi iinde bir zorluk tamamaktadr. Bylelikle ; MIL STD-105 plan > Satc iin byk miktarn reddedilmesi, kk miktar n reddedilmesinden daha ciddi sorunlara yol aar ve AQL'nin de eri rnek byklyle doru orantl byrse byk miktarda yanl reddilmenin riskini azalt r.

215

Normalden sklatnima, sklatmlmtan normale denetleme evirme kurallar japon kalite kontrol uzmanlar tarafndan eletirihnitir. Japon'lar ok miktarda AQL de eri olutururken, ok miktarda normalden sklatnlma veya normalden azaltlma denetlemelerde gei lerde sorunlar kabileceini ne srmektedirler. ** Plan uygulamalar verilen tablolann kullanmyla "Ikili veya oklu" durumlar iin de uygulanabilir.

6.10.1.2 Dodge-Romig kabul rneklemesi plan sistemi

1920 ylmda H.F Dodge ve H.G Romig tarafmdan llemeyen zelliklerin kabul rneklemesinde kullan lmak zere gelitirilmitir. Kusurlu paralarn yerine salamlarmn konulabildii "imalat ve son

montaj" aamalanndaki muayenelerinde kullan lr.

(AOOL) ve (LTPD=ROL=LOL) Dodge-Romig plan sistemi kavramlanna dayan r. Haturlama LTPD : (a lot tolerance percent defective) : Bir partide al crun (consumer) kabul edebilece i en dk kalite dzeyidir. Ba ka bir tanmla ; alc tarafmdan belirlenen parti kalite dzeyidir. Bu bir rnekleme plammn PT: parti karekteristi i deildir. 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 esasna dayanr. Dodge-Romig rnekleme izelgeleri ; * parti kalitesinin korunmas veya * ortalama kalitenin korunmas esasna gre iki ekilde hazrlanmtr.

216

Parti kalitesinin korunmas Parti iin kabul edilebilecek kusurlu yzdesinin eitli deerleri ve bu de erlere e it kusurlu yzdesine sahip partilerin kabul olas lklar ki bilindii gibi bu olaslklara "alimin riski" denir. Birlikte dnlerek kurulmu sistemdir. Ortalama kalitenin korunmas : Muayeneden sonra , kan partinin ortalama kusurlu yzdesi (AOQL) 'nin e itli deerleri iin hazrlanm sistemdir. Her iki sistem iin ve "tekli , ikili" rneklemelere gre haz rlanm 42 tane Dodge-Romig rnekleme tablosu vard r. Bu tablolarda kullanlan 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 tablolarnn bal olduu bir baka deer ; "Sre ortalamas = P de eridir. " Sre ortalamas , parti kusurlu yzdelerinin veya yzbirimdeki kusurlar'''. ortalama de eridir. Her tabloda 6 farkl 1; de eri kullanlmtr. P deeri arttka karlk gelen rnek bykl de artmaktad r. Muayeneye balarken partinin sre ortalamas bilinmiyorsa ; kullanlan izelgelerin en sadaki kolonundaki T deeri kullanlr. Bu deer seilen tablo iin "en kt" hal'dir. Tablolar incelenirse grlr ki ; az sayda birimden oluan 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 hazrlanmtr.

217

Ayr ca gevek ve sk muayeneler iin fikir vermez. Dodge-Romig tablolar 4 takmdr ; 1. 2. 3. 4. Tek rnekli RQL tablolar, ift rnekli RQL tablolar , Tek rnekli AOQL tablolar, ift rnekli AOQL tablolar .

Bu blmde dikkate alnan tablolar unlardr; 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

NNNye1ipv,r a0o

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 uygulansn. 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 says d (c=7) ise parti kabul edilecektir. Bu i lem sonunda ortalama k kalitesi snr ( AOQL) = % 1.7 olacaktr. rnek 6 : ikili rnekleme plan uygulansn. 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 LRLK ANALZ 7.1 Giri

Gvenilirlik analizi, son y llarda teknolojik geli melere paralel olarak byk nem kazanm tr Ayn ekilde tbbi almalarda da "ya am analizi" olarak bilinen istatisti in bu alan gnmzde artarak nemini korumaktad r. Endstride bir rnn gvenilirli i, rn tasanmnn bir fonksiyonu olarak dnlebilir. Dier bir ifadeyle, bir rnn gvenilirli i, sz konusu rnn kalite zelli i olarak gz nnde bulundurulmal dr. Gvenilirlik, rnn tasarmnda ilgili elemanlar tarafndan gz nnde bulundurulan parametrelerden en nemlisidir. Gvenilirlik analizinin uygulanmas sonucunda daha gvenilir bir rn tasar m elde edilebilir. E er bir rnn tasarm sras nda gvenilirlik dzeyi dikkate al nmamsa bunu imalat sras nda gelitinek iin herhangi bir nlem almak mmkn de ildir. Gvenilirlik analizinde en nemli de iken zamandr (saat, gn, ay, yl ... vb. gibi). Gvenilirli i etkileyen birok faktr vard r. rnein, rn dizayn, imalat hatalar ve evre artlanndaki de imeler vb. gibi bir ok aklanan ve aklanamayan de iken vardr. Burada sadece temel de iken olarak bilinen zaman de ikeni zerinde durulacakt r.

228

Gvenilirlik teorisi yntemleri, zellikle ba langta uzay programlar nda olduka yayg n biimde kullanlmtr. Bunun yannda askerlikle ilgili hizmetlerde de gvenilirlik analizi, byk nem kazanm , gerek tasarm teknikleri ve gerekse matematiksel modellerin geli tirilmesinde askerlikle ilgili almalar temel etken olmu tur. Bu blmn plan syle verilebilir, Gvenilirli in tanm ve zellikleri alt blm 7.2 ile verilecektir. Zaman deikeninin nemli fonksiyonlar alt blm 7.3'de verilecektir. nemli fonksiyonlarm parametrik olmayan tahminleri alt blm 7.4'n konusunu oluturmaktadr. Alt blm 7.5'de, nemli fonksiyonlarm tahmin edilmesinde parametrik olmayan tahminlerin parametrik tahminlere stnl olmasna karn gelecee ynelik gvenilirlik olaslklarmn tespitinde yetersiz kalmalar nedeniyle uygulamalarda en ok kullan lan stel dalm 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 olduu iin burada verilmeyecektir. Blm, konunun daha iyi anla lmas dncesiyle bir ka problemle desteklenecek ve alt blm 7.6 ile sistemleri gvenirlii , alt blm 7.7 ile seri ve paralel sistemlerde gvenilirlik kavramlar ilenecektir.

229

7.2 Tanm ve zellikleri

Gerek hayatta kesinlik sz konusu olmad ndan, retilen bir rnn veya e itli riskler alt nda yaayan bir canl nn rnrn belirleyen sre ile beraber bu sre iinde anza yapmadan (hastalanmadan yada sylemesi ac , lmeden ) alma olas l da gz nnde bulundurulmal dr. Gvenilirlik ( Reliability - ing) , bir sistemin yada aletin belirlenen kullan m artlan alt nda, belli bir sre iin hi anza yapmadan i levlerini yerine getirmesi olasln ifade eder. Bu tan ma gre gvenilirlik, drt nemli faktrden meydana gelir. Bunlar s rasyla, kullanm artlan, zaman, ar za yapmadan al mas ve gvenilirliin olaslk cinsinden ifadesidir. te bu drt faktrn her birinin sistemin gvenilirli i zerinde bir takm etkileri vard r. Bunlardan ilki ; kullanm artlar, sistemin ilevini yerine getirebilmesi iin hangi artlarda kullan lmas gerekti ini belirler, rnek vermek gerekirse sistemin kullanlaca corafi blge, s , nem vb. gibi artlar sistemin mrnn ksalmas na yada uzamas na neden olabilir. kinci nemli faktr , zamand r. Zaman, sistemin hi ar zalanmadan, kendinden beklenen i levi ne kadar sre ile yaptn belirtir. Aynca gvenilirlik o unlukla MTBF: arzalar aras

ortalama sre cinsinden de ifade edilir. Dier nemli nokta ise sistemin arza
yapmadan al masdr. Bu ise sistemin fonksiyonlarn belirlenen ve kendinden beklenen ekilde yerine getirmesi anlam na gelir. Nihayet son nemli faktr, gvenilirli in olasl k cinsinden ifade edilmesidir.

230

7.3 nemli Fonksiyonlar ve Birbirleriyle ili kileri

Gvenilirlik analizinde, nemli fonksiyon vardr. Bunlar, *gvenilirlik fonksiyonu, *anza yada bozulma oran ve *birikimli (kmlatif) bozulma oran olarak bilinir.
t

Gvenilirlik fonksiyonu, bir sistemin en az

zamanna kadar

anzalanmadan al mas olasln ifade eder ve R(t) = 1 F(t) ile gsterilir. Arza oran ise gzlemin birim zamandaki anzalanma riski anlam na gelir ve h(t) ile gsterilir. Bu anzalanma oranlar genelde drt farkl yapda ortaya kar. Bunlar, sabit, azalan, artan ve bunlar n bir veya birka nn karmndan meydana gelir. Birikimli arzalanma oran ise bize birim zamana kadar ar zalanma oranlarnn durumu hakknda bilgi verir ve H(t) ile gsterilir. Yani, bir nceki zamandan bir sonraki zamana gei te riskte azal m, art m yoksa duraanlk olup olmad hakknda bir fikir verir. Bu fonksiyon aras ndaki ilikileri matematik olarak yle verebiliriz. Arzalanma oran, h(t) olduuna gre anzalanma oranlarnn birikimlisi eer deiken kesikli ise H(t).-- Kmlatifh(t) , srekli ise H(t) = th(t)dt eitlikleri ile verilir. Bylece gvenilirlik fonksiyonu ise R(t) =
( t ) eitlii

ile verilebilir. Yada tersine H(t), H(t) = ln R(t) ve h(t) = c71(t)I a eitlik

231

ilikileri yazlabilir. Takipteki alt blmde bu nemli fonksiyonun parametrik olmayan tahmini mekleriyle verilecektir.

7.4 Fonksiyonlarn Parametrik Olmayan Tahmini

Gvenilirlik analizinde temel de ikenin zaman oldu unu sylemitik. Bir dier nemli problem ise gzlem deerlerine ait bu zamann sansrl oluudur. Yani, belli bir rne ait belli say da gzlem deerini incelemeye ald mzda aratrma bitiminde baz gzlem deerlerine ait bu bilgiler kay p olabilir, halen arzalanmadan salam olabilir ve saire. Bu tr veriler ise sansrl veri ad n alr. Zaten gvenilirlik analizini di er istatistiksel alanlardan ay ran en nemli unsur, analize tabi tutulan de ikenin 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 tirilmitir. rnein, bunlardan nemlileri; Kaplan-Meier, Nelson-Aalen ve Fleming-Harrington yntemleri verilebilir. Bu blmde , sadece Nelson-Aalen tipi tahmin yntemi verilecektir. Madem ki arzalanma sreleri sansrl gzlem iermekte yle ise bir alma sonucunda takipteki veri ile kar karyayz demektir. imdi, T, , T2 ,A , Tc] , eer gzlenen sre sansrsz ise
t ' = { , C'2 ,A , C, , eer gzlenen sre sansrl ise C1

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 doru sralanarak takipteki gibi bir tablo dzenlenir. t, zamannda arza orannn Nelson-Aalen tahmini, h(t )=1./n, eitlii ile verilir. t zamamna kadar birikimli ar za orannn Nelson-Aalen tahmini ise

H(t .) = BirikimliE d, h(t,)

cij Inj

eitlii ile hesaplarur --H(t) =e

-Birikimli d )

Nihayet gvenilirlik fonksiyonunu ise R(t 1 ) = e yardmyla kolayca hesaplanabilir.

in,

eitlii

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

k1 di +c) J.1( i

imdi de bu fonksiyonun tahrninini bir rakamsal rnek zerinde grmeye alalm.

233

rnek 1: Bir fabrikada retilen ampullerin dayanma srelerini kontrol etmek

-

amacyla 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) fonksiyonlannn 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 onlarn 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 fonksiyonlarn deeri deimeyecei iin hesaplama yaplmaz. rnein, bu

234

rnekte 19 ve 22 gzlem de erleri sansrl ve kendilerinden sonra sansrsz bir deer olmad iin fonksiyonlar hesaplanmam tr. nk bu gzlem deerlerinin fonksiyonlar nn deerleri de imez. Bu mekte, gvenilirlik fonksiyonundan dayanma srelerinin ortancas nn R(t) = 0.5 olaslk deerine karlk gelmesi sebebiyle yaklak olarak 12 yl olduu sylenebilir. dev-1: Bir radar sistemindeki iki ar za aras nda geen srenin tespiti amacyla yap lan bir aylk almada takipteki arzalanma sreleri elde edilmitir. t, , arza sresi (saat): 15, 28, 30, 50, 144, 157, 163, 219, 222, 224+, 265, 317, 532, 575, 718. Bu verilerde sansrl verilerin sa na + ireti konulmutur. Bu veriye ili kin;

a. S(t) fonksiyonunun Nelson-Aalen tahminini oluturunuz. b. S(t) 'den yararlanarak yakla k ortanca ar zalanma sresini bulunuz.
c. Arza sresi 222 saat ise ar za orann 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 arzalanma sresi, 163 ila 219 aras nda bir de erdir. Bu deer yaklak 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. rnein, aratrma iinde yer almayan bir srenin gvenilirliinin tahmini veya bu al mada verilmedi, ancak var olan bir gerek regresyon analizi gibi al malar iin yeterli olamamaktadr. te bylesi sebeplerden dolaydr ki parametrik yntemler, o u kez daha etkin ve tercih edilen tahminler verirler. Gvenilirlik analizinde sk uygulama imkan bulan en nemli dalm, stel dalmdr. Bu dalm bozulma oramm sabit (de imez) kabul eder. stel dalmn g ailesi olarak bilinen Weibull dalm ise bozulma oranmn geni bir ailesine sahiptir. Yani, hem azalan, hem artan ve hem de sabit ar za oranlarna sahiptir. Pareto da lm ise azalan bozulma oran gsteren ve ekonomistler iin uygun bir da lmdr. Ancak ne var ki bu al mada srenin ksa olmas sebebiyle sadece stel dalmdan rnekler verilerek yetinilecektir. Bozulma srelerinin analiziyle ilgili en nemli da lmlardan biri olan stel dalm, sabit bozulma oranna sahiptir ve h(t) = 2 eitlii ile verilir. Bu eitlikte 2 , aritmetik ortalamann tersidir. Yani, 2 = lir ile aklanabilir. Bu son eitlikte T =

d lEn t, 'diz. T , ortalama arzalanma sresi,

d , toplam

sansrsz gzlem says ve srelerinin toplamdr.

t, ise sansrl ve sansrsz ar zalanma

236

ntegrallenmi (kmlatif) arza oran ise zamann lineer bir fonksiyonu olarak verilir. Yani; H(t) = Flds = Al eitlii ile tanmlanr. Bylece gvenilirlik fonksiyonu ise R(t) = e eitlii ile verilir. Bu da lmn beklenen de erinin

(yani, ortalama), E(T) = T = 1/.1, ve varyans nn ise V(T) = 1/22 olduu sylenir. rnek-2: rnek-l'deki gzlem de erlerinin stel dalml olduu biliniyor. a. Ortalama dayanma sresini bulunuz. b. Gvenilirlik fonksiyonunu olu turunuz. c. Dayanma sresi 25 y l olarak gzlenmi bir ampuln gvenilirlik olas ln bulunuz. zm-2: a. Gzlem de erlerinin toplam, E

= 259 ve sansrsz gzlem

says, d = 20 olduuna gre ortalama dayanma sresi, T = 259/20 =12.95 yl. Olarak bulunur. b. 2 = 1/T 'den .13 = 1/12.95 -2,-- 0.07722 elde edilir. O halde, gvenilirlik fonksiyonunu

R(t) =
eklinde oluturabiliriz.

e -0.07722t , t > O
O, dier durumlarda

c. t = 25 yl 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 dalma
-

uyduu bilinmektedir. Bu sistemin gvenilirli inin 200 saatlik bir al ma iin 0.90 olduu bilindiine gre; a. 0.95'lik bir gvenilirlik iin ka saatlik bir alma gz nne al nmaldr. b. Sistemin ortalama mrn bulunuz. c. Dayanma orann hesaplaynz.

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 arza arasnda 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 + ireti konulmu tur. Bu veriye kullanarak; a. Arza srelerinin Nelson-Aalen gvenilirlik fonksiyonunu tahminini elde ediniz. b. Gvenilirlik fonksiyonunun Nelson-Aalen ortanca arza sresini tahmin ediniz. c. Anzalanma sresi, 1112 iken ar za oran nedir. d. Arzalanma srelerinin stel da lma uyduu varsaylrsa ortalama anzalanma sresini bulunuz. e. d.'deki varsaymn geerlili i altnda anzalanma sresi 1500 saat iken gvenilirlik olasln bulunuz. tahmininden yararlanarak

238

f. d.'deki varsay mn geerlili i altnda %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. Arzalanma srelerinin ortancas , yaklak 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 KALTE KONTROL UYGULAMALARI 8.1 Giri
Kalite kontrol i lemleri ; eldeki mevcut software pro ramlanndan faydalanarak daha h zl ve kolay bir ekilde yaplabilir. Bu software'lerden bir tanesi de ok kapsaml olarak kullanlabilen ounlukla istatistiksel i lemlerin yapld, bunun yannda "kalite kontrol uygulamalannda da ba vurulabilen

SPSS paket pro ram'dr.

Ancak, SPSS program ile ilk defa karlaanlar, program ile ilgileri ve bilgileri yetersiz olanlar ve de daha yeni bilgilere de sahip olmak isteyenler bu program ile "balang giri " bilgilerini gzden geirmelidir.

8.2 SPSS'e giri

Bu proram lisansl bir proram olup, windows altnda al maktadr. Halen piyasada e itli srmleri mevcut olup temelde birbirlerinin tamamlaycsdrlar. Bu a klamalarda (srm 6.0- 9.0) temel al nmtr. SPSS ile alacaklarn 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 altrdktan 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 aldnda aadaki ekil 8.1 ekrana gelir. Ekrann en stnde yer alan bu komutlar ksaca aadaki gibi verilmitir.

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

SPS4NVInclosiis Poocesor ialeacto 13"Sat1

gy l f cosafttdad

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 yazlm programlar ile hazrlanm database veya spread dosyalar n okumak, veri dosyalarn saklamak ve amak iin kullaml r. Edit : Daha nce yaz lm bir veri deerini deitirmek, veri de erini bulmak, baka bir yere yap trmak, kopyalamak veya silmek iin kullanlr. View :Veri de erlerini ve veri etiketlerini gstermek iin grid izgilerini amak ve kapatmak iin status bar, t000lbars amak iin kullan lr.

241

Data : De ikenleri tanmlamak, dosyaya de i ken ve veri eklemek, verileri sraya koymak, birle tirmek, dosyann bir ksm zerinde al mak iin kullanlr. Transform : Veri dosyas mn ana yapsn deitirmeden veri de erleri zerinde ihtiya duyulan baz dnmleri yapmak iin kullanlr. Analyse veya Statistics : istenilen her trl istatistiksel i lem ve analizleri yapmak iin kullanlr. eriinde bir ok istatistiksel analiz vard r. Bata veri girii yaplmadan altmlamaz. Graphs: Gsterim amal yksek znrlld grafik olu turmak iin kullanlr. eriinde bir ok istatistik sunum amal grafik vardr. Utilities : SPSS komut diliyle program yazaca m veya analiz ktlarim alabileceimiz ekrann grnm , veri i leme penceresinin grnm, yaz biim ve byklklerinin seimi , veri dosyas ierisinde deiiklikler yapmaya yarar. Window : Ak olan tm SPSS pencerelerini kltmek veya SPSS pencereleri aras ndaki geisi salamak iin kullanlr. Help : Bilmek istediimiz konu/lar hakknda bilgi-rnek verir. Yardm amal kullanlr.
2. Veri hazrlamak

SPSS altnda ekil 8.1'deki ekran grntye gelir. Bu amala File>New>Data ile kullanlacak analize ba l veri giri i buradan yaplmaldr. lk olarak ekranda stn ba lklannda yer alan VAR zerine ift tk yaplarak girii yaplacak de iken tanmlanmaldr. Daha sonra aadaki ekil 8.2 ile veri giri i yaplm ekran grlebilir. Burada al mada ele alnan nicel, nitel deiken 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 :-:j j...1 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 Girii yaplm deiken verileri

ekil 8.3 ile deiken tanmlamas yaplabilir.(Define variable).Burada yer alan 4 tane alt kutucuk zerinde al lr. Bunlar ; Type , Labels , Missing Values, Column Format 'd r. Bu kutucuklarn iinde allarak girii yaplacak de iken/ler ile ilgili tan mlamalar/ makyajlar yap lr.

243

rapg

gine
307 350 318 304

D ehneyariable

ame

Vedidale Descv,ton T Numeric4.0 Variable tabe1 Mies >er Gakn

"..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 Deiken tan mlamak rnein Type tklandnda karm za ekil 8.4 gelecektir. Burada Width otomatik olarak 8 , Decimal Places 2 olarak a lr. Eer deiken deerleri tam say ise 2 yerine 0 yaz hr. Eer yazlmazsa 54 olarak girilen say 54.00 grnts oluur. Eer 0 yaz lrsa 54 grnts oluur. Ayrca deiken iin Numeric cinsten oldu u da otomatik olarak belirtilir. E er aksi bir tanmlama sz konusu olacaksa burada de itirme yap lr. Ayrca deikenin lek tr : Scale , ordinal (s ralama tipi) , nominal (snflama 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

;,,

Datire Vaabk -e

yariable Name: Impg

--Vmable De~:Dn Type: Nurnenc4 O Vaiabie Lebel 1.1in ter Gakrs 1.4.-sig1 Dei n Var able T ype npg Nzymic

Ccoma
pot

w
DecindE5,..

sefitfic notat, _o -;2

Dgle DoIler 0,tstom c~ Strng

orneir, Lw t

zc V OtonAnd, 5e44

Ej" O fM

4A-

- A L 4.-

ii 4 --

S&Ife 243 K 1 l

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 ikenin ayrntl etiket tammlamas m yapar. rne in 2. Stnda girilen de i kenin ksa etiketi Engine ise burada Value Label ksmna : "arabalarn motor hacmi cc " olarak a k hali yazhr 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) Artk OK tklandnda VAR kelimesi(stun bal) tanmlanan deikenin ksaltlm adm alacaktr. rnein 1. Stunda mpg , 2. Stunda engine gibi. Bundan sonra yap lacak ilem verilerin stun olarak girilmesidir.( n tane veri) olarak. verilerin saklanmas dr. Bu da File Veriler girildikten sonraki i lem zerinden yap lacaktr. ( ekil 8.6)

246

't1Stn tely 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 Captre =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 ilem iin eer ilk defa saklanacaksa (C: veya a: ) zerine = Save As ile yapl r. E er daha nce zerinde al lm bir dosyaya saklanacak sa Save ile saklanr. Saklama kelimesinin uzant s (*.sav) olmal dr. rnein: 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 smrival.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

Artk istatistiksel analizlere , grafik izimlerine geilebilir. uras unutulmamaldr ki ; iin banda 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 ilemleri ( Transform ) mens

SPSS dosyasna istatistiksel analiz yapmak iin veriler zerinde dn m, yeniden kodlama ve yeni hesaplamalar yaptrmak gerekebilir. Bunlar Transform mens iindedir. ( ekil 8.8) Compute komutu : Mevcut de iken de erleri zerinden bir veya birden fazla yeni deiken de erlerinin hesaplanmas nda kullanlr.

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 kfesig 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 ikenleri sayp yeni stuna yazdrmak iin kullanlr. Recode komutu : Dosyadaki baz deikenleri yeniden kodlamak iin kullan lr. Eer kodlamay ayn deiken stununda baz deerleri yenileriyle deitinek eklinde yapacaksak Into Same Variable seeneiyle , ayr bir stuna yeni bir de iken olarak kaydedeceksek Into Different Variable seene i seilecektir.

249

8.3 istatistik Uygulamalar

Uygulamalar Statistic veya analyze mens ile yap lr. (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

OgscikliveStatedx:s , Lorr9.4te/A,eans mprelliet 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 grlecei zere alt menler zerinden istatistiksel ilemler-analizler yap lr. nemli alt menler : Descriptive Statistics = tan mlayc istatistikleri hesaplar. Burada yeni kk pencereler a lr (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 rieneot 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: 1151Anciety 2 -SPSS for

ekil 8.10 Descriptive Statistics

Dier bir alt men olan (Compare means) ve pencereleri ekil 8.11 ile grlebilir. Burada "Ortalarnalarm kar latr lmas" ilemleri yaplr. Tek rneklem iin t-testi, ba msz ve baml iki rneklem testleri , tek ynl varyans analizi(ANOVA) i lemleri yap lr. Bu ilemlerin ayrnt sma(ierisine) girmek iin alt pencere ile ilgili analizin zerine gelinerek (t klama) ile girilir. (Bu i lemler iin de ayrntl bilgiye ihtiya vardr) Ileride baz rnekler verilecektir.

51

easyse Diken Sirtirtir

Uds lifl &alar Labio eancere yardrn

1=9
Gtnde thetn, Tmes 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 Wnd ws Data f Ilete /rano:form

apisUtikies 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 ureratLirwa 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 144bpel-leaponta
Ma.terg Vake AnSNat.

met

otowd, eka

0 M .4 ;
a.
Sut adt

- - ;.=.
C- r

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 Dier bir alt men olan (General Linear Models) ve pencereleri ekil 8.12 ile grlebilir. Burada Tek ve ok degi kenli ,tekrarlanan lmlerle, Varyans bileenleri i lemleri yap labilir.

252
Q$ -Y8

ri;1 116ka
Gvde Metni

N-4Zen

Q4! Ch, &eddr Labk) eem:re Yardn, .:'`.8r1 `e) Tmes New Roman +, . 12
-

- :%*1
T

Mit51" ' 4 1 37
4flffil t.#

75

H1'1
erSht tJebies Werke, Hdp

cka

Tm Greller
EAnxoty 2 - SPSS for Windows Dala [Mol

'meb ect subject

z~Cqina'ire..rts .
-

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 tantlmaya al lan Analyze mensndeki dier alt menler ekillerden de grlece i gibi aadaki isimleri alr. Correlate : en az iki de iken arasndaki ili ki incelemelerini yapar Regresssion : bir baml ve bir veya daha ok ba msz deiken zerinden dorusal(linear) ve do rusal olmayan(non linear) model zerinden sebepsonu analizleri yapar. Ayr ca ; Log Linear , Classify(s nflarna) , Data reduction(boyut indirgeme), Scale(lekleme-gvenirlik testleri), Nonparametric Tests(parametrik olmayan testler), Time series(Zaman serileri) Survival(sreklilik-ya am), Multiple Response (klu karlatrmalar) , Missing Value Analysis( Kayp deerli analizler) burada yap labilir. ** Bu analizlerin o u "Kalite kontrol" al malarnda kullanlabilir.

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 klamaktadr. Sonuta i gn zerinden hareketle retim miktar tahmin edilmek istenmektedir. Elimizde 1999 yl na ait aadaki (dikey kesit verilen) olsun.
Aylar : Ocak ub. Mart Nisan May. Hazr. Tem. Au. 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 yaplabilir ? ZM YOLU : 1. 1=b7.ic1a zm iin "Basit Regresyon Analizi "kullan labilir. 2. Bu amala ilk olarak veri giri i yap lmaldr. File>New>Data 3. VAR1 > X VAR2Y olarak tan mlanr. Gerekli etiketlemeler yap lr. (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'bt 7itres New Roman

&lin II

ni ta'

fle

4a.)1

1,1
E.
Yur 4.

Unl tled -SPSS Ito WIndows Datd

dtot ,

tbt tido a Itansicon ~at at808s 2%4 W

.5] j5j 1 . :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 . Tmes 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 Dorusal Regresyon 6. Gerekli tanmlamalar alt kutucuklardan (Statistics,Plots,Options) yap larak OK ile sonular elde edebiliriz. ( ekil 8.15) ve ( ekil 8.16) 7. Gerekli yorumlamalar yaplarak Durum-1 ile ilgili sonulara vardr.

255
rt. Outbuti - S('SS k W ndaws v. ewe

PIM
.ramPla

Idt:few Ineoft

.1.ffirem Wndom

0 1rd .1.
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 4SFS 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 vardr. (Olumlu)
Y:retim miktar de ikeninin X: gn deikeni Modele alnan % 89.6 'sn 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;1161,

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&ikns..,::

odput - SPSS

ekil 8.16 Basit Regresyon Analizi sonular -2

Basit Regresyon Analizi sonular -2 Yorumu : Anova sonular izlendiinde Y= bo+blX dorusal denkleminin dorusal ilikiyi yanstt (F = 85.827 = p.sig=0 000) grlr. (Olumlu) Coefficients sonular izlendiinde tahmini denklem = B deerlerinden ; Y= 17.217 + 3.983 X olarak belirlenir.

Bu tahmini regresyon denkleminde bi katsay s= 3.983 = denkleme nemli bir katk salamaktadr ( Sig=0.000) (Olumlu)

257

**** Sonu olarak ba ta dnld gibi; ZM YOLU :Burada zm iin "Basit Regresyon Analizi " kullanlabilir dncesi yap lan analizie dorulanmtr. Artk yaplacak i ; Y= 17.217 + 3.983 X denklemi ile tahminler yapmakt r. rne in denilebilir ki; e er X: gn says 25 olarak hedeflenirse gerekle ecek Y:retim miktar (ton) ne kadar olacaktr. Bu durumda ; Y= 17.217 + 3.983 (X25 )= 116.792 Olarak tahmin edilir. Bu tahminin gerekle me olasl bu model ile yetinilirse do ruya yakn olabilecektir denilir.

DURUM-2 : Kabul edelim ki ; bir fabrikadaki A mal iin retim miktarn (ton) en ok(anlaml olarak) geerli i gn says aklamaktadr. Sonuta i gn zerinden hareketle retim miktar tahmin edilmek istenmektedir. Elimizde 1999 ylna ait aadaki (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 tanmlamak iin Acaba neler / nas l yaplabilir ? ZM YOLU : 1. Burada zm iin "Analyze>Descriptive Statistics>Descriptives " 2. Durum-1 ' de veri giri i yaplmt yine ayn grnt kullanlabilir. 3. Analyze>Descriptive Statistics>Descriptives blmne girilerek (ekil 8.17) elde edilir. 3. Bu tammlama iindeki Options kutucu u Ula= Karmza 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 adan.lan 110 l

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...

WcosoftWotd- tialaas... fflOtputi - SPS5 for Wnda.1

ekil 8.17 Descriptive Statistics tan mlamas Burada veri giri i ile tanmlanm deikenle 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 iaretlemeler

ekil 8.19 ile elde edilen sonular n yorumlamalar-1 :

Bu durumda ekilden grlenler yorumlanmaktad r. Buna gre ; gn (X) 'in de iim aral : 16 gn'dr retim (Y) 'in de iim 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 dier 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'dr.

261

8.5 SPSS'de Graf kler

Ana mende Graphs bu i i yapmaktad r. Karmza 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 nrlar grafilderi genel ve bilinen grafklerdir. Dier grafiklerden olan ; Pareto Hatalarn dalm , Control =Kontrol grafikleri konumuz olan grafiklerdir.

262

Bununla birlikte yine ekilde grlen di er grafkler de genel ve bilinen grafiklerdir imdi , Pareto = Hatalarin dalm . Control = Kontrol grafikleri zerinde durahm . Pareto = Hatalarin da lm grafi iin ; Graphs>Pareto tklandnda 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 a4iat 2 . j

I ii] Unhtled - SPSS tor

rcroroftWorct-

ou(put

SPS S kr Wido

no4"e:

loas

ekil 8.20 Pareto grafine giri Burada ; Simple= Tek de iken zerinden , Stacked Kmelenmi , eklemeli de ikenli grnty verir. Simple= Tek deiken zerinden seilir ise ekil 8.21 grnts elde edilir.( Alt yuvarlak kutucuklarda farkl bir istek sz konusu de ilse deitirme yaplmaz.)

263

Qosye ()ken qrridrICan 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 iken) giri i)

Burada nemli olan durum udur ; Neden pareto analizi-graf ine ihtiya
duyuldu ve pareto analizinin esas nedir ? yorumlamas nasl yaplacaktr? Eer bu sorularn cevab (var ise- biliniyor) i lemlere devam edilmelidir. rnein; daha nce Durum 1 2 iin kullan lan verileri dikkate alalm. X: gn says = ele alnsn. Bu durumda Category Axis kutucuuna X de ikeni tanr. Titles ve Options kutucuklar da tklanarak ilaveler yap lr ve ekil 8.22 grnts elde edilir ve yorum yaplr.
-

264
Clutpatl - SPSS lot Wmdows V eret

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 deikenine gre Pareto grafi Eer uygunsa ayn al ma Y deikeni iin de yap labilir.

Stacked Kmelenmi, eklemeli dek'ikenli Pareto grafi i izimi

Bu durumda Stacked tklanr. Karmza gelen ncekine benzer(simple) grnt de ; Define > Category Axis ve Define Stacks by kutularna ilgili deiken atamalar yaplarak ekil 8.23 elde edilir ve yorum yaplr.

265

Outiat - 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 ikenli Stacked-Pareto grafi

Control =Kontrol grafkleri zerinde aklamalar :

Bu durumda Graphs>Control ile gei yaplr. Karmza kacak grntler ekil 8.24 ile grlr. Burada; Deikenler (llebilir) iin ; s (standart sapma) grafikleri yap labilir. X Bar (ortalama) , R (range) ve Yine ; Indvuduals (Bireysel de erler- X'ler) , Moving Average ( Hareketli Ortalamalar) grafkleri yaplabilir. Yine ; zellikler(nitelikler) iin ; p , np , c , U grafikleri yap labilir. ***Bu grafklerin alan a klamalar ve zellikleri kitab n (5.Blmlerinde) yer almaktadr.
-

266
;_12j92cj
Gvde Metn Tuner Nert Roman ,rt :12

3K

1.

A .

unbued,'

Control Cfra ts

XAar.R,

s edrks 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) grafii izmek isteyelim. Bu durumda Graphs>Control > seilir. Burada ilgili grafik tr iin ekilin zerine tklanarak ercevelenir. Takiben Define kutucuu 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 p4l 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 kutucua 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 girii ilemleri Burada , Charts kutucu unda (X-Bar ve Range) yuvarla otomatik olarak iaretli kmtr. Eer Standart sapma ilaveli yap lmak istenirse deitirilebilir. Daha nce verilerin uygun biimde giri i yaplm olmaldr, Veri girii iin AIKLAMA : rnein elimizde ; 20 adet zaman noktas nda n=5 lmler olsun. Bu durumda veri giri ekrannda 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 sna 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 ikeni olsun. Subgroups by defined ( alt gruplar aklayan) (Y) olacakt r. Yine Options Kutucuunda rnek geni lii tanmlamr ( rnein ; 5 gibi) Elde eCu en grnt ekil 8.26 ile X-Bar iin ve ekil 8.27 ile Range iin grlebilir. Yorum yap lr.
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'5:4NorrebvsProcesac4 ready

output - SPSS ta/

...

-4,rra

11:42

ekil 8.26 X deerleri zerinden X-Bar grafi Eer Range grafi izimi yap lacaksa ; Options k smndan alt ve st de erler ve rneklem hacmi bilgileri girilmelidir.

269
c dt- ut . p
for Windows Vlowet

Ek E" N3,19 kfalt fSt at m

,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 ProceFci s bfzosoft otd ElbaTurn...

HK4 Outputt - SP5S int ..

11:43

ekil 8.27 X deerleri zerinden Range grafi i

rnek Uygulamalar -2 :
imdi p grafi izmek isteyelim. lk olarak veri giri i yaplmaldr. Bunun iin VARlolarak (bozuk/sa lam) says deerleri 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 Micosoft Word

SPSS for Qindovr;Pr;cessa - tS 14:49 liMUntitled - SPSS for

ffl Buroutl -SPSS for Windo...

18

ekil 8.28 p grafii iin veri giri i (2 stunda)

Daha sonra

Graphs>Control >p ,np seilir. Kar mza 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 tklanarak grafik elde edilir.

rnek : Bir fabrikada retimin V4 ' (500'er tane)kontrol edilmekte ve

bozuk say s her gn olarak 1 ay boyunca saptanm tr. Deerler 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 deeri Burada sample size (al madaki rnek hacmi de eri=500) girilmelidir. Daha sonra OK tklanarak 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 Sgna 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 says oaldka (yeterli veri) olu an grafik daha anlaml ve gereki yorumlanabilir olacaktr.

rnek Uygulamalar -3 :
imdi c grafi i izmek isteyelim. lk olarak veri giri i yaplmaldr. 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
1.1rtdied - 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 ) kutucuu belirginletirilir. Sonra Defne tklanr. Artk sol taraftaki kutuda veri airi iyle oluturduumuz ( c ve rnekti. ) de ikenleri vardr. olarak atanr. c Characteristie , rnekno Subgroups Defined by Burada c grafi i oluturulacandan e 'nin solundaki yuvarlak i aretli olmal/ iaretlenmelidir. OK ile c grafi i elde edilir. (rnegin : ekil 8.32 gibi).

rnek :
Kabul edelim ki ; elimizde retimi yaplm 100'er adet sunta levha olsun. Bunlardan uygun olmayanlar n says (ci 'ler) saptanm tr. ( ekil 8.31 gibi) c grafi i izelim . Yukandaki a klamalar dikkate al nrsa oluan 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 yaplr.

rnek : P graf i oluturmak 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 yaplmaldr. Bu amala 3 stun kullan lr. 1.stunda ,69,60 (Data Organization) iin , 2. stunda hata saylan : 54,39, 18,19) (Subgroups Labeled by) iin , 3. Stunda rnek no'lan (1,2,3,4, 750 ( Sample size variable ) iin . n deerleri : 750,750,250,

275

Grafii oluturmak iin ; Graphs> control > p ,np pencerede veri giri i ile tanmlanan deikenler atanr;

tklanr 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 lr.

0~4 ?chat The -s Nate* P of vr00001

SPchart

Control Chart: VAR00001

,14

Propo Mon Nonconformng

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 DAILIM 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 DAILIM 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 SS'6 8C ctz;bmJTc WN--4C7, VI '

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

/nz - -, - - iririplei f4ttinire , - :z.2:s gRngz,.. .....,t x .2.- gagas 3:x. sr.12..:.4 ninin.eiai ...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, el,,7 z.2as':,... zszr.,.7.;:;:".!,-,z, ?.-g:::::. : . . o

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...

, , A :, -.2 ::: 2. g 6' ;. 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 . :gg: 2 ;;R:::::::!;' 241::P,Z!Zn,,:? 4 4$;:, : s.i...i..n....i....,, ,Pir o, eir e nn 1s ,1Z4RR!2 :ZZ 1.11 ,,P.f4 ,,,

.9e ct

2ZZO:1; , ..;2g .6 rl:77 2U 7., s?:2 . ,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::r. :,.. ,.: ...; . .7

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

, :.*:!t* -- ". ":2.7-2%.%:.- ;;Cr;:r. ,:;

. ..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

. ..%:=21::X8232ZR ,:- 28gtle

....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 ' X,kgggreg" ^^" t32::Z 4

...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

,,XzEtrz5!=r4:!Zggz . :::M .. :::RX.%g..%74, .2 . .. . .................-.;;: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 - +

c4,12(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 TARH 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 grlmtr. Gvenilirlik teknikleri zellikle 1950 ve 1960'11 yllarda uzay programlar nda olduka geni biimde uygulanmtr. Bugn yksek teknoloji ile karma k mamuller reten byk firmalarda gvenilirlik mhendislii(reliability engineering) ad altnda ayr departmanlan vard r. Gvenilirlik mhendisli nin temel grevi ; mamuln kullarulnda saptanan sreden nce arzaya neden olabilecek hata kaynaklarn aratrmak ve mamuln dizaymndan kullanma ve servis talimat nn bazulanna kadar olan eitli aamalarda gerekli nlemleri almakt r.

GVENLRLK NED R?
Bunu bir ka omekle anlatmaya alp daha sonra da esas tanmlaruu verelim. rnein;bir ampul 1000 saat bozulmadan kullan lmak zere dizayn edilmi olsun. Eer 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 koullarnn da belirtilmesi gerekir. E er ampuln 220 volt gerilim alt nda almas ngrlm ise kullanma yerinde voltaj n 180-240 arasnda sk sk deimesi gvenilirli i 0,85 'in bir hayli altna drr. Dier 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 says artka istenilen bir gvenilirlik derecesinin gerekle tirilmesi gleir. rnein 100.000 paradan oluan bir filzeyi ele alalm. Paralardan herhangi biri hatal ise fze hedefe ula mamaktadr. Eer her para 0,9999 gvenilirlikle imal edilebilirse yani 1 0.000 paradan birinin hatal olmasna izin verilirse ,10 fuzeden sadece biri alabilir. Gvenilirli i %10 dan %95 dzeyine karabilmek iin ise paralar 0,9999995 gvenilirlikle veya iki milyonda bir hata olasl 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 dl nelim. Bu iki paradan biri veya ikisi de hatal ise motor almamaktadr. 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 salam kmas garanti edilebiliyorsa montaj yaplan her 36 motordan ancak 25' al r. bunu olaslksal olarak da yle ifade edebiliriz. Rotor ve statorun salam kma olasl eit ve 5/6 dr. Dolaysyla motorun salam kma olasl (5/6).(5/6)=25/36 d r. Buradaki olasln paralarn gvenilirlik olaslndan daha d k kma sebebi de arpan saysnn yani para saysnn artmasdr. Grld gibi sadece iki paradan oluan 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 tammn yapal m. Gveniliriik. Bir sistem ,bir aygt veya bir malzemenin belirli alma koullar altnda ve belli bir zaman sresi iinde kullandrken arza yapmama olaslna "Cruvendirlbc" denir 1.nlice karl -reliability", Franszca kar l ise llabilite" olduu iin gveniFrlik fonksiyonu baz kitaplarda R(t) bazlarnda ise F(t) olarak ifade edilmektedir. Yukarda verilen tanm gvertirli i.n en temel tarumdr. Aka grlyor ki gvenilirlik u terimlerle aklanabilir 1-)Verilen grevin ba ar olasl 2-)Arza 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 parann maruz kalaca tahribatlar gz nne alnr. Bu tanundan da grld gibi gvenilirlik ile kalite aras nda ok yakn bir iliki vardr Kalitenin dizaymnda seilen veya hesaplama kriterterden pek o u dorudan tramln gveni&Ilili etkiler. Kullanlan malzemenin dayanklili ve malzeme miktar gibi kalite karakteristikleri genellikle mamultin belirli bir sre anzas z almasn salar. Ayrca iretimden sonra yap lan muayene i lemleri srasnda hatal paralarn arklantnas da ortaya kan rnn gvenilirliini artrr.

288

GCSVF.NIL RL ETK LEYEN FAKTRLER:

Bir mamuln gverilirtiini etkileyen balca 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 kaynaklanmaktadr. Drneimbir araba aksl ortalama 2 yl arza yapmadan almak zere retilni,tir. Fa' n kat akun kullaral biiHi ve evre ko ularndan etkilenmesi tketiciye gre de iiklik gsterir. Bu deiiklikler nedeniyle de aknn ortalama olan 2 y llk alma sresi der. (aracn her gn ahterdmas veya uzun bir sre altrhnamas yada ak so uk veya ok scak iklimde bulunulmas gibi) Kullanma ve evre ko ullar zelikle lkemizde ar miktarda eitlilik 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 alarraldr. Gverllirlii etkileyen dier faktrlerde yle sralayabiliriz :

1 Mam d dizayn : B mun iin yeterli bir bilgi ve i tecrilbesi.ne sahip olmak gerekmektedir Bunun yannda urdara da dikkat etmek gerekir
.

a-) Imalat yntemleri , tezgah olanaklar ve rea-lanan retim neiktartaranin dizayn trlmas ve deerlendirilmesi. 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 aratrlmas ve gerekli nlemlerin alnmas d-) evre ko ulannn , rnn tm ve baz kritik paralar zerindeki etkisinin veya kullanma esnasinda evrede meydana gelebilecek de iikliklerin incelenmesi. e-) Malzeme zerinde; yordrna , titreim , korozyon , anma , nem vb etkilerin yapaca olumsuz dei iklikler. f-) Standart para ve yeni malzeme kullanma olanaklara Dizayn aamasnda rnn sadece teknik a dan mkemmel olmas yeterli deildir 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 :Doal olarak bir retim hattnda retilen rnlerin %100 sa lam kmas
-

ve rrontaj n kusursuz yaplmas istenir. Kalite kontrol a snda %100 hatasz 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 kodlarndaki dffi.'neler. Dizayn kriterleri tespit edilirken gz nne alnan kullanma ve evre ko ullar reticinin kontrolnde olmayan nedenlerle de iebilir Tketici cephesindeki her trl de imeler 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 ksa sre de deerlendirilerek dizayn zerinde gerekli deiikliklerin yap lmas bu tr sorunlarn zmlenmesini 541u.
4- Alternatif aziintler: Iletme 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 gvenilirlii daha rtnnk maliyetle elde etmenin yollan ~nah , dizayn , kullanma , ve evre parametreleii zerinde de iiklik yaparak maliyeti drme olanaklar zerinde durllnaldr Baz hallerde aniverirlili& drlmesi bundan doan sakncann tamir-bakm 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 konularnda eitilmesi zerinde daha youn aba harcamak yerinde olur.
5- GlIvenble rnn arza yapmas evre, makine ve malzeme zerinde byk zararlara yol

amyorsa(&rze rnei 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 uaanda uu gvenliini salamak amacyla yaplan aratrma 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 gvenliinin maliyetler ne olursa olsun mutlaka sa5lanaca anlamna gelmez. zellikle can gvenliinde vazgemek mmkn olmayaca iin ayet rn ki ilerin can gvenlii iin bir tehdit olastunworsa retimden vazgeilir
.

6- Arza nedenlerinin etkinli i: Karmak bir rn de ok eitli paralar arza nedeni olabilir.

Bu nedenlerin her birine gre ar za meydana gelme olas l farkldr. Bilinli gvenilirlik hesaplarna gre tasarlanan bir mamulde ar za nedenleri arasnda byk olaslk farklannn bulunmamas gerekir. Fakat tasar m hatalanndan ok paralar n yapsal zellikleri bir ksmnn arza nedeni olarak daha fazla nem kazann asuu ea lar Risk tayan paralar zerinde arat rma ve deneyleri yo unlatrarak gvenilirli i daha dk rnaliyetle artt rmak mmkndr. Aynca arzalann neden olduklan kay plara gre suufianchnlarak incelenmesi de gerekir. rne in , bir otomotiv firmas aralarndaki anzalan yle sunfia.ndnrutun (1)Aracn ve yolcularn gaverVgi ile ilgili anzalar. (2)Firmann itibarn sarsacak nitelikte analar (3)Tamir maliyeti yksek olan ar z_alar. (4)Tketiciyi rahatsz eden arzalar. Bu ekilde grupianan arza nedenlerinin frekanslan b~lerine gre s ralanrsa ( elciL2) deki grafik elde (edilir. Arza nedeninin giderilmesinde bulunduklar gruplar gz nne al narak deiik nlemlere bavundur. rnein ; birinci gruptakiler daha ok tasar m aratrma ve deneylere arlk verilerek giderilirken , son gruptakiler garanti sistemi ikayet servisi ve sat acentalar yardm ile giderilmeye ali a r Anzalann byk o unluunun kayna olan az saydaki neden zerinde durmak gereldr. ekilde grld gibi ilk alt nedenden kaynaklanan arza oran %67 dile

290

Bu ekilde gverlirli i arttrmak amacyla harcanacak zaman ,para ve i gcn daha etkin kullanma olasl 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 aralarnda herhangi bir ekil iliki 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 aralarndaki ilikiler rnn gvenilirlik derecesini belirler. rnein; gveailirii i %65 olan bir paran n arza yapmas halinde tm sistem alamaz durma geliyorsa di er paralarn gvenilirlik ok yksek olmas hibir anlam ifade etmez. Bazen bir paran n grevini yapamaz duruma gelmesi sistemi deil dier paralarn gvenilirliklerini etkiler. Byle durumlarda sitem gvenilirli inin hesaplanmas daha da gle ir. Bu nedenle gvenilirlik aratrmalarnda karmak sistemlerin bir btn olarak ar za eiliminin saptanmasna allr. Karmak sistemlerde ar za oranlarnn zaman gre dei imi genellikle ayn eilimi gsterir. eklinden dolay banyo k lveti erisi (bathtub curve) ekil 3 ad verilen eri zerinde si stemin mrandeki karakteristilcleri ay rt etmek mmkndr. Bu e riyi izmek iin ilk kullanm anndan balayarak ekonomik nnriin sonuna kadar geen sre iindeki arza zamanlar kaydedilir. Bundan sonra birim zaman aralndaki arza oranlar (failure rates) hesaplanarak zaman desenine gre eri iziir. ekilde de grld gibi bu eri de, sistemin ekonomik omrnde olan deimeler ,4 dnemde incelenir.
-

291

Eskimeye Bal Arza E}GtL-3 Karmak bir sistemin ama eilim erisi 1.dnem:Artza orannn yksek ve deiken olduu bu arala erken arza (Early Failures) tasarn ve imalat tatalanndan kaynaklanan ar za biimidir. Ayrca tama ,ambalaj ve montaj srasnda ortaya kan hasarlarda bu dneme girer. Bunlar rn tketiciye ula madan nce yaplan testler ve kontroller s rasnda bulunur ve giderilir. Eer sre uzun ise anzalar garanti kapsamna alnr.
2.dnem: Analar kontrol altnda tutulamayan tesadfi etkenlerle meydana gelir. Bu dnem

iinde arza oran sabit olup rnn gerek tasarm kalitesini veya gvenilirli ini yanstr.
3.dnem:Anza orannda hafif bir art grlr. Nedenler yine tesachfi olmakla birlikte

eskimenin de etkisi vardr. 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 tesachfi rini koyarak giderilebilir. zellikle can gvenli i veya byk zararlar n sz konusu oldu u durumlarda maliyetine baklmakszn bu yntem uygulanr (Uzay mekiklerinde bulunan yedek iticiler gibi.) 4.dnen:Esle;~ a nma yorulma gibi nedenlerle kan arzalann says hzla artar. Tamir' bakm ile sistemin almas srdrlebilir , fakat ksa bir sre sonra mr sona erer. Bu dneme eskimeye bal arza dnemi denir. Bu dnemde alnan nlemler genellikle eskime dneminin zarnarundan nce ba lamasn nlemeye ynelik olmaldr

292

imdi bunu bir rnekle anlatalm: Zaman faktrn ieren gvenilir& tanunLamasun ve kurallar n 1985 ylnda Miller ve Freund aadaki rnekle yapmlardr. (Eski ve Yerd Arabalar) Yeni bir araba sana al nmtr. ilerleyen 4 gn iinde tamire gitmi tir ve toplam 4 saatlik bir bakm yaplmtr. Sorun elektronik sinemdedir. Ba langta sorun akl kapaklarndan (kutup balarndan) birinin kaybolmas ve aknn boalmasdr. Bu, srayla elektronik aksarnda anzalara yada teklemelere yol am tr. Neticede bu sorunlarn hepsi zlmu ve yaplan ufak tefek ayarlamalar d nda iki sene boyunca mkemmel al mtr. Eer neden yeni bir araba satn alnd merak edilirse; Eski araba 94000 mil yapm tr ve souk k sabahlannda almamaktadr. Sonuta ayhk tamir-masraf 375 bulmaktadr. Hi kimse yeni ve byk bir sorunun yada anzalamnann ne zaman olacan 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 oluan analar. Elektronik endstrisinde ise erken olu an hatalar acil hatalar olarak tan mlarn. Bu dnem ekil 3 de grlebilir. ARIZA DAELIM KaAREKTERSII Pratik adan bir rnn arza yapmadan alabilecei sre tketiciyi ncelikli olarak ilgilendirir. Tamir edilip tekrar servise girebilen sistetnlerde iki ar za arasndaki sre olarak tanmlanan bu deerin deiimi gavenilirlii belirler. Analar arasndaki sre (AA.S )deerlerinden yararlanarak belirli zaman aral klarndaki arza= alma olaslklar bulunabilir. rnein bir sistemin normal al ma dnemleri (2ve 3 .Dnernier) iindeki 50 arzann 20.1 ; 21.3 ; 23.7 ; 24.1 ; 26.5 ; 91.3 ; 92.7 ; 98 J inci saatlerde meydana geldi i grlmtr. Anzasz alma sreleri incelenerek 0-0.99 ; 1-1.99 ; 2-2.99 ; 3-3.99 ; 4-4.99 ; 5-5.99 geniliindeki zaman dilimlerinin her birinde kaar tane anzas z alma bulunduu tespit edilirse ekil 4 teki grafik elde edilir Bu histogram yakla k olarak stat bir fonksiyonlar deiirnini 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 arza yapmadanalma olasl kullan m iin daha anlaml bir gstergedir. Bunu yukar daki rnekle gsterirsek belirli zaman aral klanna kadar olan anzasz alma saylarn toplamak yeterliclir. rnein sistemin iki saatten fazla arza yapmadan alma 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 arza 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 alma olasl veya gvenilirli i, e = 2,7183 do al logaritma taban say s t = Arzasz alma sresi m = Iki arza arasnda geen ortalama sre (AAOS) k = Birim zamandaki ar za saysr( I /in) olarak tanmlanmtr . Formln uygulanmasn basit omeklerle gsterelim. :Bir radar sisteminde iki arza arasnda geen ortalama sre (AAOS) 240 saat olarak tespit edilmi tir_ Arza orannn sabit olduunu varsayarsak,sisternin en az 24 saat ar za yapmadan akma olasln bulunuz ? Formlde ;.rn=240 ve t---24 deerleri yerlerine konulursa
rnek t

R= e -2.4rz4o = 0.90 bulunur. Sistemin arza yapmadan en az 24 saat alma olasl %90 'dar.
rnek 2

:Bir sistemin en az (AAOS) sresi kadar ar za= alma olasl nediii istenilen, t--r n iin R nin hesaplanmas dr Formlde t=m konularak, -

294

1 z. 'VJ 7 2,7183 bulunur. Eer ayn soruya t=2m iin cevap ararursa , R= e -2 = %13 Elde f.41 ilir. Bir sistemin (AAOS) nin iki kat kadar bir sre arza yapmadan alma olasl Q/013 tr.

R= e -1 =

rnek 3 :Herhangi bir sistemde(AAOS)'nin de imesi birim zamandaki gvenilirli i nasl

etkiler? Formlde r=1 (birim zaman) ve (AAOS) iin s ras ile 5,10,20,100 gibi deerler konulursa R iin; 0,82;0,90;0,95;0,99 deerleri elde edilir. Bu problemde ortaya kan ilgin nokta ;(AAOS)'de sa lanacak genilernelerin R'ye doru orantb yansmarnasdr. Nitekim ,(AAOS) `nin 20'den 100'e 4 kat genilemesi R'yi %95 ten % 99' ykseltmi ,yani sadece %4 hik bir gvenilirlik art salanabilmitir.
rnek 4 bir sistem A , B , C gibi alt sistemden olu mutur .Alt sistemlerin (AAOS) `teri
:

farkl olup saat cinsinden sras ile ni=loo , m2- 125, tn3=500 olarak verilmi tir. Tm sistemin 5 saat iinde ar za yapmadan alma olasln 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 bulunur. Yine ayn formlde ; t=5 ve rn- rn,=50 deerleri yerlerine konularak R = e -5/5 = %90 bulunur
rnek 5 Her 500 saatte bir revizsiona alnan bir sistem iin verilen (AAOS) de eri 5000

saattir. bu sistemde revizyon zaman na gelmeden nce arza kma olasl nedir ? nce 500 saate kadar ar za yapmama olasl , 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 zamanm kadar arza yapmamastru salayan revizyon periyodunun (t) bulunmas istenebilirdi. Formln planl bakunda en uygun bakm periyodunun sapt,Inmn.mda kullanlabilecei grlmektedir. E er ayn sistemden pek ou serviste ise , bir ksm 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 elverili bir ldr. (OAS) sisteminin arza yapana kadar gemesi beklenen sredir. Tamir edilebilen sistemlerde (OAS) ile (AAOS) birbirine einin Tamir edilebilen bir sistem ,anzalann tamir edildi i srelerde kullanm d kalr. Sistemin kullanma elverililiini saptamak iin ortalama tamir sresini (OTS) bilmek gerekir. Elverililik , a= (AAOS)
(AAOS)+ (07S)

X100

oran ile tarumlatur. Grlecei zere,sisternin elveri lilii sadece tamir sresinc deil ,onun (AAOS) ile ili kisine baldr. Sistemlerin elverililiini arttrmak iin arza ikaz sistenderi,hazr yedek para bulundurma, tamir ilemlerini 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 durmasna yol ayorsa ve (2)paralarn gverulirlikleri birbirinden bakmsz ise sistemin gvenilirli i arpm kural ile hesaplanr. Buna gre paralar n gverlirlikleri R 1 , R2, R3, . RN ise sistem iin R=R I .R2.R3. . . dir. 1.varsayunda paralarn gvenilirlik asndan 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 tanm gerei birden kk deerlerdir. Dolay s ile bir sistemin gverlirlii en kk guvenilirlige sahip elemarunlcinden yksek olamaz. Eer tm paralarn gvendirlikleri eit ise ve R, ise

R.--Nr Yada R, = fl R,
olur. Buradaki r sistemdeki para sarsdr
.

296

metin ; Bir seri sistemde btn paralar giri teki i letim sistemi iin alr. rnein bir radyo eer g kayna, alicis,amplif katonl ve hoparirleri alr durumda ise ilev grr yani al r. Btn bu paralar seri halde al rlar ve eer biri anzalamrsa radyo anzalan r Sistemde ki her bir parann gvenilirli i R, .n tane para mevcuttur. Sistemin gvenilirli i R R. ,e karar vermek iin yle hesaplartr, R.

flR

rnek: Bir haberleme cihan:ida alt sistemlerin 4 saatlik bir kullan m periyodu iin gvenilirlikleri aada verilmitir. R Alt Sistem 0.970 Alc 0.989 Kontrol sistemi 0.995 G 0.996 Amen Sistemin seri olduu varsarlrsa 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 srasyla 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 alr durumdayken herbirinin gvenilirlikleri hemen hemen ayn dr, bu daktilonun gvenilirlii 0.99 iken herbir paras iin gvenilirli i nedir? Birinci rtnekten yola karak bir hesaplama yapacak olursak 0.9(R her iki tarafnda logaritmasm alnak bu bize in 0.99= 1000 iri R, verir ve bunu zersek R, =099998995 olarak buluruz. Seri sisternlerde para say s arttka gvenilirlik x71 r Seri sistemlerin gvenilirliini arttrmak iin ,para saysnn az veya paralarn gvenilirliklerinin birbirine yakn olmas ve yftlrPk olmasna allr.

297

rnek (Bir fze sisteminin gvenilirli i) Bir Taze sistemnjn 4000 paras vardr. Herbir parann gveniliriii son derece yksektir, diyelim ki,R, =0.9999 ve i=1,...,4000. Bu fize sisteminin alma olasl yle verilir; R, 0.9999) 44" eer para says yanya indirilirse, bu fze sisteminin gilvenilirli i R, =(0.9999) 2" =182 otur. Sen sistemde arza bakmndan kritik baz paralara olan bamhl azaltmak amac ile paralel gilvenilirlik sistemleri olu turulur. Bir para arza yapt an yedei devreye girer. Her paralel sistemde normal al na iin gerekli olandan daha fazla para oldu u iin yedekli veya fazIalkh sistem adlar yla da taramlanabilir. Paralel sistemlerde sistemin tamamen anzalanmas iin tm paralarn 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 gvenilirlii; Eer bir parann anzalanrna olasl F, 1- R, , bir paralel sistemin gvensizlii Fs u ekilde hesaplanr

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 parann gvenilirliini bulunuz ? Problem iki yoldan gidilerek zlebilir. Birinci yolda sistemin al masn salayan tm alternatiflerin olalik An bulunur ve sonra bunlar toplam,. 1) para da salansa aku. ve bunun olasl ;R a .R3.Rc 2) Paralarn ikisi salam biri arzal ise alr ve bunun olasl ; (RARaFc)-4- (RAFa Rc) 4 (FA.Ra-Rc)

298

3) Paralarn ikisi arzal biri salamsa ab u- ve bunun olasl: (RAFaFcY1- (Fa.Fa.Rc) .+-(FA-RaFc) bu olacltrlar gz nne alnarak de erler yerine konutursa ve tm al abilrne olaslklar yerine konursa ; R D.99984 bulunur. kinci yoldan ise u ekilde znir. Sistemin altnama olaslklar hesaplarn. 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 parasndan birbirine seri bal 20'si A alt sistemini oluturmaktadr. Di er 80 'paradan 20 `si B ve kalan 60 adedi de C gruplar nda toplanm olup, B ve C paralel balanmtr. A alt sistemi ile (B-C) alt sistemi aras nda paralel balant vardr. Her gruptaki paralarn gvenililikleri eit olup A , B , C swasna gre ,0.95;0.93 ve 0.96 'd r. Bu bilgilere dayanarak sistemin gvenilirli buluntu ? Sistem A ve(B-C) gruplar nn beraberce alr durumda bulunmalar koulu 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 giivemliriiive(B-C)grubn R Etc =I- F a. Fc=1-0.695 = 0_305 olduundan 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 alrsak 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

aadaki gilvenilirliklere sahiptir:

EKIL 8

29P.

den oluan ve paralel balanan Aran gilvenirli&i bulalm 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 gvenirliini hesapliyahm. R, = (0.87X0.91) = 0.7917 C, ve C, n gverilirlii C, ve C, le paralel olarak hesaplanrsa = I (1-0.7917) z = 0.9566 paral sistemin gveritirlii aadaki gverlirlik deerleriyle hesaplanrsa 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 gelimesi 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. Olrre 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 gerektiini 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. rnein, bir petrol rafinerisinde mamul dizayn ve geli tirilmesi o kadar nemli deildik: 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 hiyerarik 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. Ayrca 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

Akn Besim ., rnekleme ve Numune Alma Teknikleri, Bilim Teknik Yaynevi, 1997. Apaydn Ayen., Kutsal Alaettin., Atakan Cemal., Uygulamal statistik, Ankara :1994. Gzl Stk ., Endstriyel Kalite Kontrolu, Teknik niversite Matbaas , stanbul :1990. Gnal Alev., Satnalma 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 Yaynevi, 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 Yaynevi, 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.