Verona, 16/04/2010 Controllo in accettazione secondo la norma UNI ISO UNI 2859

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Verona, 16/04/2010 Controllo in accettazione secondo la norma UNI ISO UNI 2859"

Transcript

1 Verona, 16/04/2010 Controllo in accettazione secondo la norma UNI ISO UNI 2859 Ing. Gianni Campatelli Accademia Italiana del Sei Sigma

2 Agenda 1. Contesto normativo 2. Campionamento per variabili ed attributi 3. LQA e QMR 4. Tipologia e livello di collaudo 5. Strategia campionamento 6. Curve Operative 7. Procedura operativa 2

3 La norma ISO :2007 Riguarda la modalità per effettuare il campionamento per attributi di una serie continua di lotti. Con tale norma si vuole garantire che la qualità dei lotti ritenuti accettabili è superiore ad un valore fissato di LQA. Norme precedenti: ISO :1989 ISO :1991 ISO/TR 8550:1994 (lotti isolati) ISO 8422:1991 (campionamento sequenziale) ISO :2001 3

4 La norma ISO 2859:2007 Più in generale la norma ISO 2859:2007 descrive la procedura di campionamento per lotti. Teoria: Lotti continui: Lotti isolati o unici: Salto di lotti: (approccio per fenomeni di lungo periodo con qualità del processo costante o degrado lento; solo per qualità produzione superiore all LQA e previo accordo con il Cliente) 4

5 Campionamento La grande importanza del controllo qualità con campionamento risiede nella caratteristica di controllare il livello di Qualità della produzione e costruire un rapporto fornitore/committente basato su di una realtà oggettiva. I termini contrattuali possono essere rivisti o aggiornati in funzione dell andamento della Qualità nella produzione. 5

6 Campionamento Il campionamento della produzione ha inoltre il vantaggio di monitorare continuamente il livello di Qualità del prodotto. In questo modo si rende possibile una tempestiva individuazione delle cause che determinano il deteriorarsi della Qualità e si rende possibile un intervento correttivo mirato ed efficace. (Carte di controllo) 6

7 Campionamento per variabili Cosa è una variabile? La variabile è una grandezza continua che può essere misurata sul prodotto al fine di valutare la sua adeguatezza alle specifiche. Tale grandezza deve essere oggettivabile ed esprimibile con una unità di misura. Variabili sono: - Il diametro di un foro - la luminosità (Lux) di un lampadario a parità di lampadine - Il peso di una confezione di gelato 7

8 Cosa è un attributo? Campionamento per attributi Un attributo è una caratteristica binaria che il prodotto deve soddisfare per potere essere considerato conforme. Per un attributo sono possibili solo due possibilità: c è / non c è; passa / non passa; funziona / non funziona; dimensione minore di / maggiore di Attributi sono: - La presenza di una caratteristica a disegno del particolare - Il funzionamento o meno della lampadina - La composizione di una mescola edile entro una specifica 8

9 Campionamento per attributi Vantaggi: - Il campionamento per attributi è più semplice sia per la raccolta che per la gestione ed organizzazione dei dati. - I piani di campionamento sono notevolmente più semplici anche se richiedono in generale numerosità di campioni più elevate. Svantaggi: - Non si hanno delle stime precise come per il campionamento per variabili sulla capacità del processo. Spesso è la semplicità del campionamento per attributi che ne determina la scelta rispetto a quello per variabili. 9

10 Campionamento per attributi Quando si vuole effettuare un campionamento per attributi la prima scelta da fare è se lavorare considerando: - numero NC presenti nel campione - prodotti NC nel campione Il primo caso si usa per prodotti molto complessi che hanno molti attributi da soddisfare e che possono essere considerati buoni con alcune NC non critiche (automobile). Il secondo caso si utilizza per prodotti più semplici che hanno pochi attributi da controllare e per i quali avere una NC comporta il non utilizzo del prodotto (vite, lampadina, cavo elettrico ). 10

11 Scopo collaudo Consegnare al Cliente un prodotto di qualità superiore a quella dell LQA. LQA = livello di qualità accettabile; indica quante NC (in %) il Cliente od il mercato è disposto a tollerare in un lotto. Il collaudo non elimina i difetti, fornisce solo un controllo della loro frequenza. E propedeutico alla soluzione delle criticità, non una soluzione in se stessa. 11

12 Collaudo Il collaudo avviene estraendo dal lotto una data percentuale di prodotti e verificando se e quante NC sono presenti. Si confronta quindi il numero di NC con il numero di rifiuto (Nr) ed il numero di accettazione (Na) forniti dalla norma. In generale Na=Nr-1 Il collaudo ridotto presenta invece un gap maggiore di 1 fra Nr e Na. 12

13 Rischi Il collaudo è un fenomeno statistico. Se in un lotto di 500 prodotti si hanno 10 NC, estraendo 5 campioni è possibile che tutti e 5 siano NC (poco probabile ma possibile ). 100% difettosità valutata contro il 2% reale. 13

14 Rischi Fissata la qualità REALE del lotto si hanno sempre due possibili errori nella valutazione dell accettabilità dello stesso: 1) Rischio del committente (probabilità di accettare un lotto non soddisfacente, tipo I) 2) Rischio del fornitore (probabilità di non accettare un lotto soddisfacente, tipo II) 14

15 Rischi La probabilità associata ad ogni rischio (per es. 10% di probabilità di commettere un errore di tipo I) deve essere scelta in fase di capitolato e deve trovare d accordo entrambe le parti. Definito il valore di LQA del prodotto, è possibile scegliere il piano di campionamento (Na, Nr) in funzione del rischio che fornitore e committente sono disposti ad accettare. Più basso sarà il rischio (alta la confidenza del risultato) maggiore dovrà essere la percentuale di prodotti da controllare in un lotto. Tale scelta può essere fatta tramite le curve Caratteristiche Operative (CO) 15

16 Lotto Il lotto deve essere costituito da prodotti fabbricati in condizioni sostanzialmente identiche e nel corso di uno stesso periodo di tempo (dati omogenei). Più è numeroso il lotto minori (in percentuale) saranno i campioni da prelevare per valutare l accettabilità o meno dei prodotti (campionamento più economico). N.B. la precisione con cui si determina la qualità del lotto dipende dalle dimensioni del campione e non del lotto stesso. Per lotti più numerosi si utilizzano campioni più numerosi solo perché si vuole una confidenza maggiore. La non accettazione di un lotto grande è infatti sicuramente più onerosa della non accettazione di un lotto piccolo. 16

17 Lotti continui vs isolati Lotti continui Trend di qualità della produzione nel tempo La scelta del piano di campionamento dipende dalla storia Strategia della norma ISO Lotto isolato Si ha un lotto isolato quando non si conosce, o non esiste, una storia della qualità per un tale prodotto Per questi lotti è richiesto un numero maggiore di campioni, norma ISO

18 LQA (Lotti continui) LQA = Livello Qualità Accettabile Per definizione i lotti provenienti da un processo la cui qualità è uguale o migliore dell LQA saranno accettati nella maggior parte dei casi (problema statistico). Il valore di LQA influenza la scelta del processo produttivo e dei controlli necessari a garantire la qualità richiesta. Migliore LQA (più basso)= maggiori costi. 18

19 Scelta LQA LQA alto: minor criticità della NC Quando un componente NC può essere semplicemente messo da parte durante il montaggio e sostituito con un altro (es. apparecchio plastico graffiato) LQA basso: maggior criticità della NC Quando il componente può causare la disfunzione di un pezzo costoso in un momento in cui non è possibile o facilmente realizzabile la sostituzione con un componente funzionante (es. qdo si intacca la sicurezza mecc/elettr, sospensioni/cavi) 19

20 Valori preferenziali LQA Valori preferenziali di LQA sono indicati nella norma. 0,010 0,015 0,025 0,040 0,065 0,10 0,15 0,25 0,40 0,65 1,0 1,5 2,5 4,0 6, E consigliabile il loro uso in quanto i piani di campionamento proposti sono indicizzati in base a tali valori. NB i valori > 100 si riferiscono solo a NC per elemento! 20

21 Tipologie Collaudo (Lotti continui) ORDINARIO Si ipotizza che la qualità della produzione sia adeguata al LQA COLLAUDO RINFORZATO RIDOTTO Quando si sospetta che la qualità sia peggiore dell LQA Quando è storicamente dimostrata la buona qualità e stabilità del processo 21

22 Regole commutazione Score di almeno 30 punti (circa 10 lotti consecutivi accettati) Collaudo ordinario 2 su 5 consecutivi non accettati Collaudo ridotto Na>NC>Nr Lotto non accettato 5 lotti consecutivi accettati 5 lotti cumulativi non accettati Collaudo rinforzato Miglioramento qualità Blocco produzione 22

23 Regole commutazione - Il collaudo rinforzato ha la stessa numerosità del campione del collaudo ordinario; cambiano Na e Nr (più severi nel rinforzato) - Il collaudo ridotto ha una numerosità del campione minore rispetto al collaudo ordinario; Na e Nr non consecutivi 23

24 Lotti NC Quando il lotto non supera il collaudo: - Il lotto viene totalmente scartato - Il lotto viene collaudato al 100% e eliminati i prodotti NC - Il lotto viene rilavorato, il controllo successivo dovrà focalizzarsi su quegli aspetti che ne hanno decretato la non accettazione E da notare che se un lotto non accettato viene ripresentato senza modifiche allo stesso collaudo si avrà che, dopo alcuni tentativi, il lotto sarà accettato per la statistica del campionamento) 24

25 Qualità Media Risultante (QMR) La QMR è il valore di difettosità che il cliente riceve. Questa nasce da due contributi: dalla qualità reale del processo (p) e dal numero di lotti non accettati e collaudati al 100%. In tali lotti infatti non si avranno NC. La presenza di un lotto non accettato collaudato al 100% aumenta la QMR. Diversamente se i lotti non accettati vengono eliminati la QMR è pari alla qualità media reale del processo. Questo valore dipende dal piano di campionamento scelto. 25

26 LQA e QMR LQA QMR Scelta piano di campionamento Accordo Fornitore-Cliente Verifica qualità percepita Cliente 26

27 Calcolare QMR Nel caso di lotti non accettati campionati al 100%: p = qualità del processo Pa = percentuale lotti accettati (1-Pa) lotti sono privi di NC Pa lotti hanno una % di NC pari a p QMR = Pa x p NB La % di lotti accettati dipende dal valore di LQA scelto e dal piano di campionamento utilizzato. 27

28 Calcolare QMR - esempio Si ha una produzione caratterizzata da una qualità circa costante nel tempo p=2,3% Fissato per il prodotto un LQA di 2,5% dalla norma si ricava che per un collaudo ordinario il 90% dei lotti saranno accettati. QMR = (2,3 * 90)% = 2,07% QMR < p, in quanto si hanno in uscita lotti con NC pari a p mentre il 10% dei lotti avrà zero NC (dopo collaudo al 100%) 28

29 Individuare il piano corretto LQA Numerosità lotto Livello Collaudo Codice Piano Campionamento Modalità campionamento n Na Nr CO 29

30 Livello collaudo Il livello di collaudo costituisce una indicazione di quanto si vuole essere sicuri sulla valutazione dell accettabilità del lotto. Si ha infatti che la confidenza sul risultato scende secondo questo ordine di livelli: III, II, I, S4, S3, S2, S1. Responsabile di questa minore confidenza è la dimensione del campione minore. Si ha infatti che il livello di collaudo S1 presenta una numerosità del campione minore rispetto agli altri livelli. Il livello II (più utilizzato), il livello I ha metà campioni ed il livello III ha circa il 50% di campioni in più rispetto al II 30

31 Livello collaudo I livelli S1, S2, S3, S4 sono chiamati speciali, in quanto la numerosità del campione richiesta è molto bassa. Bisogna però ricordare che tale numerosità ha un forte impatto sulla confidenza con la quale è possibile valutare l accettabilità del lotto. Tali livelli devono quindi essere utilizzati solo quando realmente necessario o quando la qualità del processo è significativamente maggiore dell LQA. L adozione di tali livelli di campionamento è motivata da un minore costo di collaudo. 31

32 Codice campione La norma definisce vari piani di campionamento sulla base di un codice campione. Le lettere codice (da A a S) identificano la numerosità del campione da estrarre dal lotto. Più le lettere sono vicine alla S più il campione è numeroso. Tre sono i parametri influenti sulla scelta della lettera codice: la numerosità del lotto, il livello di collaudo e la tipologia di collaudo. 32

33 Modalità campionamento Definita la tipologia di collaudo (ordinario, ridotto, rinforzato) è necessario scegliere anche la modalità di campionamento. Le possibilità sono: - Campionamento semplice - Campionamento doppio - Campionamento multiplo - Campionamento sequenziale Il collaudo individua il livello di severità del test (Na più basso), il campionamento la modalità di estrazione dei campioni (voglio risparmiare su n). 33

34 Campionamento semplice Il campionamento semplice prevede una singola estrazione dei prodotti da collaudare. Analizzato il campione estratto l accettabilità dello stesso verrà valutata immediatamente; non sono richieste ulteriori prove. E la tipologia di campionamento più semplice. Es. LQA = 0,65%, livello di collaudo II, lotto = 3000 viti E possibile determinare: campione = 125 viti Na = 2, Nr = 3. 34

35 Campionamento doppio Nel campionamento doppio si estrae un campione di numerosità inferiore rispetto al campionamento semplice. Se la qualità è sufficientemente buona il lotto è accettato, se la qualità è sufficientemente scarsa il lotto è scartato, se la qualità è intermedia occorre estrarre un nuovo campione di numerosità pari al precedente per decidere se accettare o rifiutare il lotto. In pratica si ricorre al secondo lotto solo (risparmio in termini di prodotti collaudati) quando questo si rivela necessario. 35

36 Esempio campionamento doppio LQA = 0,65% Lotto = 5000 lampade Livello collaudo = II Campionamento doppio: 1 campione = 125 lampade Na = 1 Nr = 4 Campionamento doppio: 2 campione = 125 lampade Na = 4 Nr = 5 Campionamento semplice: campione = 200 lampade Na = 3 Nr = 4 36

37 Esempio campionamento doppio Il campionamento semplice ha una numerosità del campione indipendente dalla qualità della produzione (sempre 200 elementi da provare). Il campionamento doppio ha invece una numerosità dipendente dalla qualità della produzione: migliore sarà la qualità della produzione, maggiori saranno i lotti accettati dopo aver estratto un solo campione (125 elementi soltanto). Analogo per qualità decisamente peggiore. La numerosità di elementi da provare cresce però quando si hanno molti lotti con una qualità intermedia (250 elementi da provare). 37

38 Campionamento multiplo Il campionamento multiplo è l estensione del campionamento doppio. Non si hanno più due possibili campioni da estrarre ma il loro numero è sette (con uguale numerosità del campione). In generale la decisione di accettare o rifiutare un lotto viene presa molto prima del settimo campione. Per alcuni campioni la norma non fornisce il numero di accettazione ma il simbolo #. Questo significa che con quel campione non è possibile accettare il lotto ma è necessario estrarre un nuovo campione. Rimane però la possibilità di rifiutarlo. 38

39 Campionamento multiplo Per il lotto di lampade precedenti il piano di campionamento è: Campione Numerosità Cumulativa Na Nr #

40 Campionamento sequenziale Nel campionamento sequenziale gli elementi sono prelevati in modo casuale nel lotto e collaudati uno dopo l altro. Il campionamento si ferma non appena una regola stabilisce l accettazione o la non accettazione del lotto. Esiste inoltre un numero massimo di pezzi che il campionamento prevede di collaudare (troncamento della prova). Le regole di accettazione e rifiuto dei piani di campionamento sequenziali non sono direttamente presenti nella norma ISO ; questa fa riferimento alla ISO

41 Campionamento sequenziale Le regole di accettazione e rifiuto si presentano come delle rette nel grafico: campioni collaudati NC trovate NC RIFIUTO Lotto accettato ACCETTAZIONE n campione 41

42 Confronto Nella scelta del piano di campionamento da utilizzare i rischi del fornitore e del cliente non sono rilevanti; hanno infatti curve Caratteristiche Operative (CO) simili. Le ragioni che influenzano la scelta sono: - Semplicità - Numero elementi da provare - Facilità prelievo - Durata prova - NC multiple Numerosità media Semplice Doppio Multiplo p 42

43 Curve Caratteristiche Operative (CO) Le curve Caratteristiche Operative (CO) quantificano i rischi del cliente e del fornitore per ogni dato piano di campionamento. La curva ideale accetta tutti i lotti con qualità migliore di LQA e rifiuta gli altri. Pa CO ideale Pa = Probabilità accettazione p = qualità del processo 1 Il campionamento statistico dà una curva non ideale. LQA p 43

44 CO pro-cliente Una curva che soddisfi il cliente dovrebbe fornire una bassa probabilità di accettazione per lotti con qualità peggiore di LQA. Tale soluzione non è però soddisfacente per il fornitore che, per garantirsi una Pa elevata dovrà produrre ad un livello di qualità molto superiore dell LQA (maggiori costi). 1 Pa LQA p 44

45 CO pro-fornitore Una curva soddisfacente per il fornitore dovrebbe avere una alta percentuale di lotti con qualità pari a LQA accettata. In questo caso si ha però una considerevole probabilità di avere prodotti con qualità più scadente accettati. 1 Pa LQA 2 LQA p 45

46 CO In realtà la soluzione è sempre di compromesso. L approssimazione della CO reale con quella ideale dipende dalla numerosità del campione e dal valore di Na (deve essere più grande possibile, compatibilmente con il valore di LQA). Si può dimostrare che se LQA x campione > 200 si ha almeno il 98% di accettazione per lotti con qualità migliore di LQA. 1 Pa LQA n = 1250 n = 13 p 46

47 CO La norma presenta nei prospetti X (relativamente ad ogni codice campione) le curve CO per il collaudo ordinario. Sono inoltre tabulati i valori del collaudo rinforzato. Le curve CO non sono influenzate dalla tipologia di campionamento (semplice, doppio, ecc ) in quanto tali piani di campionamento sono stati creati in modo da avere circa la stessa CO. 47

48 Codice campione livello collaudo Nel costo del collaudo è però da considerarsi che, utilizzando tali livelli speciali, aumenta il rischio del fornitore. Si hanno cioè più lotti accettabili scartati rispetto all adozione di un livello normale (solitamente II). Questo può essere verificato con lo studio delle CO. Si sconsiglia l uso di livelli speciali per lotti numerosi (aumento eccessivo costo legato ad un errore). 1 Pa LQA Livello II Livello S3 p 48

49 CO Se non si vuole ricorrere ai grafici delle curve CO è possibile utilizzare una regola approssimata, valida per il campionamento semplice. Si moltiplica il valore di LQA per la numerosità del campione e da questo prospetto è possibile ricavare il valore di Pa in modo approssimativo. LQA x campione Na Pa 12,5 0 88, , , , , , , , , , ,5 49

50 Esempio CO Si ha un piano di campionamento semplice con: - LQA = 0,65 % - livello di collaudo II - numerosità N del lotto = 2500 Dalla norma si ricava: lettera codice K n = 125 elementi Na = 2 NC Nr = 3 NC LQA x campione = 0,65 x 125 = 81,25 Dalla tabella Pa = 95,3% 50

51 Classificazione NC Nei prodotti industriali si hanno sempre più tipologie di NC. Per es. copertura graffiata, difetto elettrico, mancanza di una filettatura. Essendo le gravità delle tipologie NC diverse è uno sbaglio accomunare insieme tutte le NC riscontrate. Ideale sarebbe di adottare un LQA differente per ogni tipologia di NC. Questo porta alla definizione di tanti Nr e Na quante sono le tipologie di NC. Difficoltà: identificazione della NC, confronto con Nr differenti e valori di LQA troppo bassi. 51

52 Esempio classificazione NC Prodotto: Videocitofono Tipologia NC LQA Mancato funzionamento audio/video A Mancata attivazione campanello Superficie interna del vetro di protezione sporca 0,65% Graffi sulla maschera anteriore B Colore maschera alterato Sporco sulla superficie esterna del vetro di protezione 4,0% 52

53 Esempio classificazione NC I piani di campionamento per il videocitofono sono: Classe Campione Na Nr A B

54 Riepilogo conclusivo Quando si deve stabilire un piano di campionamento è necessario: 1) Analizzare le possibili NC del prodotto, stabilendo in modo chiaro per l operatore cosa intendere per NC. 2) Definire due o più categorie di gravità per le NC in modo che queste siano degli insiemi di NC di gravità paragonabile. 3) Stabilire per ogni categoria un valore di LQA, basandosi sulle richieste del Cliente o del mercato. Tale valore di LQA può essere variato per venire incontro alle esigenze del mercato ma NON del campionamento. 54

55 Riepilogo conclusivo 4) Individuare la dimensione del lotto in modo che questa sia la più grande possibile compatibilmente con l esigenza di omogeneità dei prodotti del lotto. 5) Stabilire un livello di collaudo di primo tentativo, valutando le risorse e necessità di precisione del campionamento (se si vuole un basso rischio del Cliente è inutile partire con un livello S1 o S2, ma sarà più realistico iniziare con un livello I). 6) Trovare la lettera codice relativa utilizzando il prospetto I o i normogrammi della

56 Riepilogo conclusivo 7) Calcolare Na e Nr per il piano di campionamento utilizzando il prospetto II. A questo punto è necessario stabilire anche la tipologia di collaudo; si parte in generale con un collaudo ordinario a meno che la storia di collaudo stabilisca diversamente (regole commutazione). E inoltre necessario verificare se tale lettera codice è possibile o se è necessario cambiare la dimensione del campione. 8) Valutare il rischio del Cliente e quello del fornitore utilizzando i prospetti X-codice. 9) Stabilire se tali rischi sono accettabili. In caso contrario è necessario aumentare il livello di collaudo e ripetere il procedimento dal punto 5. Si è così definito il piano di campionamento: n, Na e Nr. 56

57 Riepilogo conclusivo 10)Stabilire la modalità di campionamento dei lotti sulla base della semplicità del prodotto e della gestione delle informazioni durante la prova. Eseguire il campionamento dei prodotti, avendo cura che questo sia eseguito in maniera casuale. 11)Esaminare le NC presenti nel campione, suddividendole a seconda della classe di gravità alla quale appartengono. 12)Controllare se le NC di ogni classe sono inferiori ai relativi Nr. Se tutte le classi hanno un numero di NC inferiore ad Nr queste vengono accettate, altrimenti il lotto si considera da scartare. Un lotto scartato può essere collaudato al 100% o rilavorato. 57

58 Riepilogo conclusivo 13)Dai dati storici è possibile calcolare la qualità del processo, con la quale si calcola il QMR, ovvero la qualità realmente percepita dal Cliente. 58

59 Glossario essenziale N = dimensione del lotto, deve essere più grande possibile compatibilmente alle esigenze di omogeneità. n = dimensione del campione; da questa dipende la precisione con la quale è possibile valutare la reale qualità del lotto. LQA = livello di qualità accettabile; indica quante NC (in %) il Cliente od il mercato è disposto a tollerare in un lotto. p = qualità reale del processo, il livello di qualità alla quale è possibile produrre. QMR = Qualità percepita dal Cliente (diversa da p). 59

60 Glossario essenziale LQMR = limite di QMR che un piano di campionamento può garantire. Piano di campionamento = identifica i parametri necessari a provare un lotto (n, Na e Nr). Tipologia collaudo (ordinario, ridotto, rinforzato) = caratterizza la severità della prova alla quale il lotto è sottoposto. Nel caso ridotto si ha una prova più rilassata in quanto si ritiene la produzione nettamente migliore di LQA. Nel caso rinforzato la prova è più severa. Per passare da una tipologia di collaudo all altra si utilizzano le regole di commutazione. 60

61 Glossario essenziale Tipologia campionamento (semplice, doppio, multiplo, sequenziale) = stabilisce la modalità di prelievo dei campioni, non influenza né la precisione della prova né la severità. Il campionamento viene scelto sulla base della semplicità del prodotto e della prova. CO = curva Caratteristica Operativa. Identifica, per ogni piano di campionamento, i rischi del Cliente e del fornitore, ovvero che sia accettato un lotto con qualità peggiore di LQA o scartato un lotto con qualità migliore. Tali curve si trovano nei prospetti X. 61

62 Glossario essenziale Livello di collaudo (III, II, I, S4, S3, S2, S1) = stabilisce la precisione con cui si vuole effettuare la prova. Per precisioni maggiori sono necessari campioni più numerosi. Lettera codice = identifica la numerosità del campione; dipende dal livello di collaudo e dalla numerosità del lotto. NC = non conformità, quando un prodotto non rispetta una o più specifiche. Classi NC = classi nelle quali sono raggruppate tipologie di NC che hanno gravità paragonabile, solitamente 2 o 3 per prodotto. 62

63 Glossario essenziale Na = numero accettazione, il numero di NC che sono accettate in un campione per classificarlo accettabile. Nr = numero rifiuto, il numero di NC che fanno decretare il lotto non accettabile. 63

IL COLLAUDO IN ACCETTAZIONE A.A. 2006/2007

IL COLLAUDO IN ACCETTAZIONE A.A. 2006/2007 IL COLLAUDO IN ACCETTAZIONE A.A. 2006/2007 Il Il collaudo in accettazione Il risultato di una attività produttiva non è mai perfettamente ripetibile E necessario verificare che i prodotti abbiano la qualità

Dettagli

1/34. Campionamento di accettazione Acceptance Sampling

1/34. Campionamento di accettazione Acceptance Sampling 1/34 Campionamento di accettazione Acceptance Sampling P Contents 1 Ispezioni di accettazione 5 2/34 2 Ispezioni di accettazione - 2 6 3 Accettazione per campionamento 7 4 Piano di campionamento 8 5 Possibilità

Dettagli

Fondamenti statistici : Test d Ipotesi (1)

Fondamenti statistici : Test d Ipotesi (1) Fondamenti statistici : Test d Ipotesi (1) Ipotesi statistica: È una assunzione formulata su un particolare aspetto della popolazione considerazioni teoriche Informazioni relative a popolazioni analoghe

Dettagli

L AFFIDABILITA NELLA FASE DI PRODUZIONE

L AFFIDABILITA NELLA FASE DI PRODUZIONE 9. L AFFIDABILITA NELLA FASE DI PRODUZIONE Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 9 1 L AFFIDABILITA IN PRODUZIONE ATTIVITA CHIAVE PER L AFFIDABILITA

Dettagli

L AFFIDABILITA NELLA FASE DI PRODUZIONE

L AFFIDABILITA NELLA FASE DI PRODUZIONE 9. L AFFIDABILITA NELLA FASE DI PRODUZIONE Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 9 1 L AFFIDABILITA IN PRODUZIONE ATTIVITA CHIAVE PER L AFFIDABILITA

Dettagli

Controllo della qualità

Controllo della qualità Controllo della qualità 1 Evoluzione del collaudo: concetto di "qualità" Durante le fasi produttive i pezzi sono soggetti a errori dovuti a cause umane, alle macchine, alle condizioni in cui si opera;

Dettagli

IL COLLAUDO DI ACCETTAZIONE

IL COLLAUDO DI ACCETTAZIONE IL COLLAUDO DI ACCETTAZIONE Il collaudo di accettazione 1 Popolazione Campione Dati MISURA Processo Lotto Campione DATI CAMPIONAMENTO INTERVENTO MISURA Lotto Campione DATI CAMPIONAMENTO INTERVENTO Il collaudo

Dettagli

Elaborazione statistica di dati

Elaborazione statistica di dati Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:

Dettagli

Fondamenti di Psicometria. La statistica è facile!!! VERIFICA DELLE IPOTESI

Fondamenti di Psicometria. La statistica è facile!!! VERIFICA DELLE IPOTESI Fondamenti di Psicometria La statistica è facile!!! VERIFICA DELLE IPOTESI INFERENZA STATISTICA Teoria della verifica dell ipotesi : si verifica, in termini probabilistici, se una certa affermazione relativa

Dettagli

STATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA

STATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE

Dettagli

Il campionamento statistico

Il campionamento statistico Lezione 13 Gli strumenti per il miglioramento della Qualità Il campionamento statistico Aggiornamento: 19 novembre 2003 Il materiale didattico potrebbe contenere errori: la segnalazione e di questi errori

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso di Statistica medica e applicata 9 a Lezione Dott.ssa Donatella Cocca Concetti principale della lezione precedente I concetti principali che sono stati presentati sono: Variabili su scala nominale

Dettagli

Teorema del Limite Centrale

Teorema del Limite Centrale Teorema del Limite Centrale Teorema. Sia data una popolazione numerica infinita di media µ e deviazione standard σ da cui vengono estratti dei campioni casuali formati ciascuno da n individui, con n abbastanza

Dettagli

GESTIONE DELLE AZIONI CORRETTIVE E PREVENTIVE

GESTIONE DELLE AZIONI CORRETTIVE E PREVENTIVE del 01/02/16 Pag. 1 di 7 INDICE DELLE REVISIONI Numero Data Descrizione Paragrafi Pagine Variati Variate 00 01/02/16 Prima emissione Tutti Tutti RESPONSABILITA ELABORAZIONE VERIFICA APPROVAZIONE DATA 01/02/16

Dettagli

Test di ipotesi. Test

Test di ipotesi. Test Test di ipotesi Test E una metodologia statistica che consente di prendere una decisione. Esempio: Un supermercato riceve dal proprio fornitore l assicurazione che non più del 5% delle mele di tipo A dell

Dettagli

Università di Pavia Econometria. Richiami di Statistica. Eduardo Rossi

Università di Pavia Econometria. Richiami di Statistica. Eduardo Rossi Università di Pavia Econometria Richiami di Statistica Eduardo Rossi Università di Pavia Campione casuale Siano (Y 1, Y 2,..., Y N ) variabili casuali tali che le y i siano realizzazioni mutuamente indipendenti

Dettagli

UNI 7371: /12/1974 TESTO DELLA NORMA GESTIONE PER LA QUALITÀ E TECNICHE DI SU

UNI 7371: /12/1974 TESTO DELLA NORMA GESTIONE PER LA QUALITÀ E TECNICHE DI SU NORMA TECNICA DATA AUTORI TITOLO UNI 7371:1974 31/12/1974 GESTIONE PER LA QUALITÀ E TECNICHE DI SU Metodi statistici per il controllo della qualità. Procedimento di collaudo statistico per variabili (scarto

Dettagli

Distribuzioni campionarie. Antonello Maruotti

Distribuzioni campionarie. Antonello Maruotti Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento

Dettagli

La distribuzione delle frequenze. T 10 (s)

La distribuzione delle frequenze. T 10 (s) 1 La distribuzione delle frequenze Si vuole misurare il periodo di oscillazione di un pendolo costituito da una sferetta metallica agganciata a un filo (fig. 1). A Figura 1 B Ricordiamo che il periodo

Dettagli

Comune Fabriano. Protocollo Generale, Servizio Progettazione, Servizio Edilizia Privata. Progetto di Certificazione secondo le norme ISO 9000

Comune Fabriano. Protocollo Generale, Servizio Progettazione, Servizio Edilizia Privata. Progetto di Certificazione secondo le norme ISO 9000 Comune Fabriano Protocollo Generale, Servizio Progettazione, Servizio Edilizia Privata Progetto di Certificazione secondo le norme ISO 9000 Formazione per auditor interni 25 maggio 2009 1 SOMMARIO Il significato

Dettagli

Esercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.

Esercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa. Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,

Dettagli

Politecnico di Milano Temi d esame di FSSB dell AA 2009/2010 per allievi ING BIO, docente I. Epifani

Politecnico di Milano Temi d esame di FSSB dell AA 2009/2010 per allievi ING BIO, docente I. Epifani Politecnico di Milano Temi d esame di FSSB dell AA 2009/2010 per allievi ING BIO, docente I. Epifani 1 2 1 FSSB-Modulo 1 e CPSMA per ING BIO I. Epifani Prova scritta 03.05.210 I diritti d autore sono riservati.

Dettagli

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si

Dettagli

TOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo

TOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L

Dettagli

La famiglia ISO 9000: il gruppo coerente

La famiglia ISO 9000: il gruppo coerente La famiglia ISO 9000: il gruppo coerente La famiglia ISO9000 nasce per aiutare le organizzazioni ad attuare e applicare Sistemi di Gestione per la Qualità efficaci ISO9000: descrive i fondamenti dei sistemi

Dettagli

ACCREDITAMENTO LABORATORI DI ANALISI UNI CEI EN ISO/IEC 17025:2005. Dr.ssa Eletta Cavedoni Cosmolab srl Tortona

ACCREDITAMENTO LABORATORI DI ANALISI UNI CEI EN ISO/IEC 17025:2005. Dr.ssa Eletta Cavedoni Cosmolab srl Tortona ACCREDITAMENTO LABORATORI DI ANALISI UNI CEI EN ISO/IEC 17025:2005 Dr.ssa Eletta Cavedoni Cosmolab srl Tortona UNI CEI EN ISO/IEC 17025:2005 Titolo: Requisiti generali per la competenza dei laboratori

Dettagli

Corso PAS Misure, strumenti ed Errori di misura. Didattica del Laboratorio di Fisica F. Garufi 2014

Corso PAS Misure, strumenti ed Errori di misura. Didattica del Laboratorio di Fisica F. Garufi 2014 Corso PAS Misure, strumenti ed Errori di misura Didattica del Laboratorio di Fisica F. Garufi 2014 Grandezze ed unità di misura grandezza (misurabile) si intende un attributo di un fenomeno, di un corpo

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 25 febbraio 2016 (9.00/13.00)

Dettagli

7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi

7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi 7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi

Dettagli

Statistica. Capitolo 10. Verifica di Ipotesi su una Singola Popolazione. Cap. 10-1

Statistica. Capitolo 10. Verifica di Ipotesi su una Singola Popolazione. Cap. 10-1 Statistica Capitolo 1 Verifica di Ipotesi su una Singola Popolazione Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Formulare ipotesi nulla ed ipotesi alternativa

Dettagli

Lezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche

Lezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica

Dettagli

ANALISI E GESTIONE DEI COSTI

ANALISI E GESTIONE DEI COSTI ANALISI E GESTIONE DEI COSTI Dott.ssa Francesca Mandanici Le valutazioni di convenienza economica di breve periodo: l'analisi differenziale 18 NOVEMBRE 2010 Le applicazioni dell analisi della variabilità

Dettagli

8. Misure, analisi e miglioramento

8. Misure, analisi e miglioramento 8. Misure, analisi e miglioramento 8.1 Pianificazione 8.2 Monitoraggio e misurazioni 8.2.1 Soddisfazione del Cliente 8.2.2 Audit interni 8.2.3 Monitoraggio e misura del processo 8.3 Gestione dei prodotti

Dettagli

Istruzioni di selezione in Java 1

Istruzioni di selezione in Java 1 Ordine di esecuzione Istruzioni di selezione in Java Corso di laurea in Comunicazione digitale Nei metodi l ordine di esecuzione delle istruzioni è sequenziale se non specificato altrimenti Alcune istruzioni

Dettagli

Capitolo 9 Verifica di ipotesi: test basati su un campione

Capitolo 9 Verifica di ipotesi: test basati su un campione Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 9 Verifica di ipotesi: test basati su un campione Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università

Dettagli

DOCIMOLOGIA 2. Gabriella Agrusti Università degli Studi Roma Tre Settima lezione

DOCIMOLOGIA 2. Gabriella Agrusti Università degli Studi Roma Tre Settima lezione DOCIMOLOGIA 2 Gabriella Agrusti Università degli Studi Roma Tre Settima lezione Difficoltà di una prova Tutto dipende dai punti di vista Matematica: In una scuola ci sono 300 alunni di quinta elementare.

Dettagli

Statistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi

Statistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una

Dettagli

Risultati esperienza sul lancio di dadi Ho ottenuto ad esempio:

Risultati esperienza sul lancio di dadi Ho ottenuto ad esempio: Dado B (6): 2 2 6 6 6 1 1 3 6 4 6 6 3 1 1 4 1 6 3 6 6 4 6 3 2 4 3 2 6 3 5 5 6 4 3 3 2 1 2 1 6 3 2 4 4 3 6 6 3 2 1 6 6 4 6 1 3 6 6 1 6 2 4 5 3 3 6 2 1 6 6 3 1 2 6 3 1 3 4 6 1 6 4 1 6 4 6 6 6 5 5 2 4 1 2

Dettagli

STATISTICA MULTIVARIATA SSD MAT/06

STATISTICA MULTIVARIATA SSD MAT/06 Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZIONE 4 - Questioni di analisi e applicazione della regressione lineare Pratica

Dettagli

SISTEMI DI CONTROLLO TIPI DI CONTROLLO

SISTEMI DI CONTROLLO TIPI DI CONTROLLO 1 SISTEMI DI CONTROLLO OBIETTIVI Comprendere il concetto di controllo automatico Comprendere la differenza tra controllo ad anello aperto e ad anello chiuso Acquisire gli strumenti matematici per l analisi

Dettagli

Istruzioni di selezione in Java 1

Istruzioni di selezione in Java 1 Le istruzioni del programma Istruzioni di selezione in Java Corso di laurea in Il controllo del flusso del programma Istruzioni condizionali o di selezione Istruzioni di ripetizione Espressioni condizionali

Dettagli

UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Ingegneria sede di Vicenza A.A. 2007/08

UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Ingegneria sede di Vicenza A.A. 2007/08 UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Ingegneria sede di Vicenza Corso di Disegno Tecnico Industriale per il Corso di Laurea triennale in Ingegneria Meccanica e in Ingegneria Meccatronica Tolleranze

Dettagli

Simulazione. D.E.I.S. Università di Bologna DEISNet

Simulazione. D.E.I.S. Università di Bologna DEISNet Simulazione D.E.I.S. Università di Bologna DEISNet http://deisnet.deis.unibo.it/ Introduzione Per valutare le prestazioni di un sistema esistono due approcci sostanzialmente differenti Analisi si basa

Dettagli

Capitolo 9 Verifica di ipotesi: test basati su un campione

Capitolo 9 Verifica di ipotesi: test basati su un campione Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 9 Verifica di ipotesi: test basati su un campione Insegnamento: Statistica Corsi di Laurea Triennale in Economia Dipartimento di Economia

Dettagli

Corporate finance 2e. Capitolo 6 VALORE ATTUALE NETTO E CRITERI ALTERNATIVI DI SCELTA DEGLI INVESTIMENTI

Corporate finance 2e. Capitolo 6 VALORE ATTUALE NETTO E CRITERI ALTERNATIVI DI SCELTA DEGLI INVESTIMENTI Corporate finance 2e Capitolo 6 VALORE ATTUALE NETTO E CRITERI ALTERNATIVI DI SCELTA DEGLI INVESTIMENTI Panoramica del capitolo 1. Il valore attuale netto 2. Il tempo di recupero 3. Il tempo di recupero

Dettagli

Test d Ipotesi Introduzione

Test d Ipotesi Introduzione Test d Ipotesi Introduzione Uno degli scopi più importanti di un analisi statistica è quello di utilizzare i dati provenienti da un campione per fare inferenza sulla popolazione da cui è stato estratto

Dettagli

Lezione 4. Sommario. L artimetica binaria: I numeri relativi e frazionari. I numeri relativi I numeri frazionari

Lezione 4. Sommario. L artimetica binaria: I numeri relativi e frazionari. I numeri relativi I numeri frazionari Lezione 4 L artimetica binaria: I numeri relativi e frazionari Sommario I numeri relativi I numeri frazionari I numeri in virgola fissa I numeri in virgola mobile 1 Cosa sono inumeri relativi? I numeri

Dettagli

Amplificatori in classe A con accoppiamento capacitivo

Amplificatori in classe A con accoppiamento capacitivo Ottobre 00 Amplificatori in classe A con accoppiamento capacitivo amplificatore in classe A di Fig. presenta lo svantaggio che il carico è percorso sia dalla componente di segnale, variabile nel tempo,

Dettagli

Syllabus Start rev. 1.03

Syllabus Start rev. 1.03 Syllabus Start rev. 1.03 Modulo 1 Concetti di base della qualità e della soddisfazione del cliente Il seguente Syllabus è relativo al Modulo 1 di EQDL Start, Concetti di base della qualità e della soddisfazione

Dettagli

LAUREA MAGISTRALE INGEGNERIA CIVILE. Docente: Marinella Giunta

LAUREA MAGISTRALE INGEGNERIA CIVILE. Docente: Marinella Giunta UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA FACOLTA DI INGEGNERIA LAUREA MAGISTRALE INGEGNERIA CIVILE Corso di PROGETTO E GESTIONE DELLE INFRASTRUTTURE VIARIE LECTURE 05 METODI E STRUMENTI PER

Dettagli

Come calcolare il prezzo del prodotto

Come calcolare il prezzo del prodotto Come calcolare il prezzo del prodotto Facciamo seguito a precedenti articoli sul calcolo del costo del prodotto per introdurre il tema del calcolo del giusto prezzo del prodotto da formulare nel preventivo

Dettagli

Americani Inglesi Firenze Roma Provare l ipotesi che la nazionalità non influisca sulla scelta della meta.

Americani Inglesi Firenze Roma Provare l ipotesi che la nazionalità non influisca sulla scelta della meta. TEST D IPOTESI 1 Le resistenze alla rottura delle funi prodotte da una fabbrica hanno una media pari a µ = 1800N ed uno scarto quadratico medio di σ = 100N Immettendo una nuova tecnica nel processo produttivo,

Dettagli

Il campionamento statistico. prof. C.Guida

Il campionamento statistico. prof. C.Guida Il campionamento statistico prof. C.Guida Per determinare le caratteristiche fondamentali di una popolazione statistica non è sempre necessario analizzare tutta la popolazione, ma risulta sufficiente esaminare

Dettagli

Corso Di CHIMICA ANALITICA II

Corso Di CHIMICA ANALITICA II Corso Di CHIMICA ANALITICA II CHIMICA ANALITICA QUANTITATIVA: determinazione di una specie chimica in funzione della sua concentrazione. CHIMICO ANALITICO: sviluppare nuovi metodi X analita (CAMPIONE):

Dettagli

Kit Documentale Qualità UNI EN ISO 9001:2015. Templates modificabili di Manuale, Procedure e Modulistica. Nuova versione 3.

Kit Documentale Qualità UNI EN ISO 9001:2015. Templates modificabili di Manuale, Procedure e Modulistica. Nuova versione 3. Premessa Il sistema di gestione per la qualità conforme alla norma internazionale UNI EN ISO 9001:2015 dovrebbe essere implementato nell ordine di seguito indicato, che riporta le clausole della norma

Dettagli

3.1 La probabilità: eventi e variabili casuali

3.1 La probabilità: eventi e variabili casuali Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza

Dettagli

Distribuzione Gaussiana - Facciamo un riassunto -

Distribuzione Gaussiana - Facciamo un riassunto - Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura

Dettagli

Problemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo

Problemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo Problemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo Daniele Sepulcri ARPAV Dipartimento Provinciale di Venezia dsepulcri@arpa.veneto.it ARGOMENTI

Dettagli

GLI STRUMENTI PER IL MIGLIORAMENTO

GLI STRUMENTI PER IL MIGLIORAMENTO GLI STRUMENTI PER IL MIGLIORAMENTO Gli strumenti per il miglioramento 1 IL MIGLIORAMENTO DELLA QUALITA Parte della gestione per la qualità mirata ad accrescere la capacità di soddisfare i requisiti per

Dettagli

Correttezza (prima parte)

Correttezza (prima parte) Fondamenti di informatica Oggetti e Java (prima parte) Capitolo 16 ottobre 2015 1 Contenuti Introduzione alla correttezza dei programmi specifica di un programma correttezza di un programma verifica di

Dettagli

(e it + e 5 2 it + e 3it )

(e it + e 5 2 it + e 3it ) CALCOLO DELLE PROBABILITÀ - 13 gennaio 1999 1. Siano A, B, C eventi, con P (A) = 0.3, P (B) = 0.5, P (C) = 0.7, e per i quali è noto che i relativi costituenti sono C 1 = A c B c C c, C 2 = AB c C c, C

Dettagli

PROCEDURA OPERATIVA PER L ANALISI E LA GESTIONE DEL RISCHIO

PROCEDURA OPERATIVA PER L ANALISI E LA GESTIONE DEL RISCHIO 28/06/2011 Pag. 1 di 9 PROCEDURA OPERATIVA PER L ANALISI E LA GESTIONE DEL RISCHIO 1 SCOPO... 2 2 APPLICABILITÀ... 2 3 DOCUMENTI DI RIFERIMENTO... 2 3.1 Moduli... 2 4 RESPONSABILITÀ... 2 5 MODALITÀ OPERATIVE...

Dettagli

CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO

CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell

Dettagli

Procedura di campionamento dei controlli salariali per valutare il dumping salariale a livello settoriale nel caso di rinnovo dei CNL

Procedura di campionamento dei controlli salariali per valutare il dumping salariale a livello settoriale nel caso di rinnovo dei CNL Procedura di campionamento dei controlli salariali per valutare il dumping salariale a livello settoriale nel caso di rinnovo dei CNL Lugano 22 maggio 2014 Sommario Questo rapporto intende fornire alcune

Dettagli

Definizione della variabile c 2 Distribuzione della variabile c 2

Definizione della variabile c 2 Distribuzione della variabile c 2 Definizione della variabile c Distribuzione della variabile c In queste definizioni ho N variabili indipendenti, nessun vincolo e quindi N coincide con i gradi di libertà In un sistema fisico dove il numero

Dettagli

Corso di probabilità e statistica

Corso di probabilità e statistica Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte IV: statistica inferenziale a cura di: S.Poffe

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono

Dettagli

SCHEDA DIDATTICA N 7

SCHEDA DIDATTICA N 7 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti

Dettagli

Prestazioni di accuratezza e precisione del sistema Accu-Chek Active. Introduzione. Metodo

Prestazioni di accuratezza e precisione del sistema Accu-Chek Active. Introduzione. Metodo Prestazioni di accuratezza e precisione del sistema Accu-Chek Active I. ACCURATEZZA L'accuratezza del sistema è stata valutata in conformità con ISO 15197. Introduzione Lo scopo dello studio era di determinare

Dettagli

(f o -f a ) f a fo = frequenza osservata fa = frequenza attesa per effetto del caso (cioè se è vera l'ipotesi nulla) DISEGNI CON UNA SOLA VARIABILE

(f o -f a ) f a fo = frequenza osservata fa = frequenza attesa per effetto del caso (cioè se è vera l'ipotesi nulla) DISEGNI CON UNA SOLA VARIABILE IL TEST DEL CHI 2 (2) Consente di verificare ipotesi su: a) relazioni tra variabili nella popolazione b) differenze tra popolazioni relative a: distribuzioni di frequenza Livello di misura dei dati: scala

Dettagli

RIGIDE LENTI A CONTATTO SFERICHE E ASFERICHE LENTI A CONTATTO CON SUPPORTO GRAFICO

RIGIDE LENTI A CONTATTO SFERICHE E ASFERICHE LENTI A CONTATTO CON SUPPORTO GRAFICO Mario Giovanzana 26 novembre 2001 LENTI A CONTATTO RIGIDE SFERICHE E ASFERICHE LENTI A CONTATTO CON SUPPORTO GRAFICO L idea di sviluppare programmi in grado di fornire sia le caratteristiche matematico/geometriche

Dettagli

Test d Ipotesi - Esempi

Test d Ipotesi - Esempi Test d Ipotesi - Esempi ESEMPIO 1 - Si vuole verificare se le lattine di caffè confezionate automaticamente da una ditta, contengono in media il peso dichiarato di µ = 250g. A tale scopo si prende un campione

Dettagli

ISO 9001:2000. Norma ISO 9001:2000. Sistemi di gestione per la qualita UNI EN ISO 9001

ISO 9001:2000. Norma ISO 9001:2000. Sistemi di gestione per la qualita UNI EN ISO 9001 Norma ISO 9001:2000 ISO 9001:2000 Sistemi di gestione per la qualita UNI EN ISO 9001 La norma specifica i requisiti di un modello di sistema di gestione per la qualita per tutte le organizzazioni, indipendentemente

Dettagli

05. Errore campionario e numerosità campionaria

05. Errore campionario e numerosità campionaria Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,

Dettagli

o Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata.

o Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata. Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono

Dettagli

SCANNER SPETTRALE: VERIFICA DELL ATTENDIBILITÀ DELLE MISURE

SCANNER SPETTRALE: VERIFICA DELL ATTENDIBILITÀ DELLE MISURE SCANNER SPETTRALE: VERIFICA DELL ATTENDIBILITÀ DELLE MISURE In questa ricerca sono state valutate le differenze fra le misure di riflettenza ottenute con scanner spettrale in sviluppo e quelle di uno spettrofotometro

Dettagli

Test delle ipotesi. Le differenze che vengono riscontrate possono essere ovviamente ricondotte a due possibilità:

Test delle ipotesi. Le differenze che vengono riscontrate possono essere ovviamente ricondotte a due possibilità: Test delle ipotesi Test delle ipotesi Nel cercare di costruire un legame tra dati osservati e ipotesi teoriche sulle caratteristiche dell intera popolazione si deve, in genere, prendere una decisione per

Dettagli

Sistemi Informativi Territoriali. Paolo Mogorovich

Sistemi Informativi Territoriali. Paolo Mogorovich Sistemi Informativi Territoriali Paolo Mogorovich www.di.unipi.it/~mogorov Dati vettoriali - Tecniche di rappresentazione Un layer può essere rappresentato utilizzando diverse tecniche. Per esempio: Scegliere

Dettagli

Quantificare la variabilità dei processi ecologici

Quantificare la variabilità dei processi ecologici Scopo ecologia Quantificare la variabilità dei processi ecologici Comprensione dei meccanismi fondamentale per identificare gli effetti del disturbo antropico e per prevenire alterazioni su scala globale

Dettagli

REGOLAMENTO (UE) N. 178/2010 DELLA COMMISSIONE

REGOLAMENTO (UE) N. 178/2010 DELLA COMMISSIONE L 52/32 Gazzetta ufficiale dell Unione europea 3.3.2010 REGOLAMENTO (UE) N. 178/2010 DELLA COMMISSIONE del 2 marzo 2010 che modifica il regolamento (CE) n. 401/2006 per quanto concerne le arachidi, gli

Dettagli

Sez.6 Misurazioni, analisi e miglioramento

Sez.6 Misurazioni, analisi e miglioramento Pagina 1 di 6 Sez.6 Misurazioni, analisi e miglioramento 6.1 REQUISITI GENERALI L ACA determina, pianifica ed attua i processi di misurazione, di monitoraggio, di analisi e di miglioramento per garantire

Dettagli

Analisi ABC incrociata

Analisi ABC incrociata 1 Analisi ABC L analisi ABC incrociata è un metodo che permette di suddividere in classi una serie di oggetti. Permette perciò di raggruppare per classi secondo i valori di una variabile. Ad esempio classificazione

Dettagli

Problemi pratici teorici-sperimentali

Problemi pratici teorici-sperimentali Problemi pratici teorici-sperimentali 1. Se viene fatta una sola misura come si estrae la deviazione standard? Risposta: per convenzione si prende come deviazione standard la metà della sensibilità dello

Dettagli

RICHIAMI DI CALCOLO DELLE PROBABILITÀ

RICHIAMI DI CALCOLO DELLE PROBABILITÀ UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due

Dettagli

Sistemi Web per il turismo - lezione 3 -

Sistemi Web per il turismo - lezione 3 - Sistemi Web per il turismo - lezione 3 - Software Si definisce software il complesso di comandi che fanno eseguire al computer delle operazioni. Il termine si contrappone ad hardware, che invece designa

Dettagli

La statistica nei processi di misura

La statistica nei processi di misura Laboratorio Materiali e Servizi per l Industria La statistica nei processi di misura 15 dicembre 2016 Pubblicazione del Centro Istruzione GEST Labs - Riproduzione vietata - Enrico Galbiati 1 Misura della

Dettagli

Collaudo di camere RPC destinate all upgrade del trigger muonico dell esperimento ALICE al LHC

Collaudo di camere RPC destinate all upgrade del trigger muonico dell esperimento ALICE al LHC Università degli studi di Torino Scuola di Scienze della Natura Dipartimento di Fisica a.a. 2016/2017 Collaudo di camere RPC destinate all upgrade del trigger muonico dell esperimento ALICE al LHC Relatore:

Dettagli

Foglio di esercizi 2-14 Marzo 2019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella

Foglio di esercizi 2-14 Marzo 2019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella Foglio di esercizi - 1 Marzo 019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella Esercizio 1. Un campione di studenti, che non contiene ripetizioni, è ottenuto da una popolazione di

Dettagli

Un esempio. Ipotesi statistica: supposizione riguardante: un parametro della popolazione. la forma della distribuzione della popolazione

Un esempio. Ipotesi statistica: supposizione riguardante: un parametro della popolazione. la forma della distribuzione della popolazione La verifica delle ipotesi In molte circostanze il ricercatore si trova a dover decidere quale, tra le diverse situazioni possibili riferibili alla popolazione, è quella meglio sostenuta dalle evidenze

Dettagli

ISTOGRAMMI E DISTRIBUZIONI:

ISTOGRAMMI E DISTRIBUZIONI: ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI

Dettagli

Teoria della stima dei parametri:

Teoria della stima dei parametri: INFERENZA STATISTICA Teoria della verifica dell ipotesi : si verifica, in termini probabilistici, se una certa affermazione relativa alla popolazione è da ritenersi vera sulla base dei dati campionari

Dettagli

Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai

Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai necessari chiarimenti forniti a lezione. 1 MISURA DI UNA

Dettagli

Seminario: La misura dei consumi elettrici. Teypra Website:

Seminario: La misura dei consumi elettrici. Teypra Website: Seminario: La misura dei consumi elettrici Website: www.teypra.com Email: info@teypra.com Indice Chi Siamo La misura dei consumi elettrici Utilizzo del conta impulsi La misura a finestra fissa La misura

Dettagli

REGRESSIONE E CORRELAZIONE

REGRESSIONE E CORRELAZIONE REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.

Dettagli

Ulteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.

Ulteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie. Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento

Dettagli

CAPACITÀ DEL PROCESSO

CAPACITÀ DEL PROCESSO CAPACITÀ DEL PROCESSO Un certo processo è adatto a produrre qualcosa rispettando le specifiche? Prima di affermare che un processo abbia una CAPACITÀ ben DEFINITA è necessario assicurarsi che questo dimostri

Dettagli

Leggi di distribuzione

Leggi di distribuzione Leggi di distribuzione 1 Esercizio 0.1 Una sorgente binaria genera le cifre 0 e 1 in modo casuale, con probabilità 0.4 e 0.6, rispettivamente. Calcolare la probabilità che, in una sequenza a 5 cifre, si

Dettagli

Gestione del risultato e della sua incertezza: confronto con limiti

Gestione del risultato e della sua incertezza: confronto con limiti Istituto Superiore di Sanità Organismo di Riconoscimento dei Laboratori Gestione del risultato e della sua incertezza: confronto con limiti P. Stacchini, A. Menditto Convegno L ACCREDITAMENTO DEI LABORATORI

Dettagli