IL CONTROLLO STATISTICO DI QUALITA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "IL CONTROLLO STATISTICO DI QUALITA"

Transcript

1 IL CONTROLLO STATISTICO DI QUALITA 1. Introduzione Realizzare un prodotto di qualità significa produrre rispettando certe specifiche e livelli di tolleranza prestabiliti, sulla base delle aspettative e preferenze dei clienti, che possono essere consumatori finali o le stesse aziende nel caso di prodotti industriali. Nell'accezione più ampia, infatti, si definisce qualità di un prodotto l'adeguatezza del medesimo all'uso per il quale è stato realizzato, ovvero la capacità del prodotto di possedere le proprietà garantite dal produttore e di soddisfare le esigenze del mercato. Per produrre prodotti di alta qualità è necessario quindi conoscere le esigenze e i desideri dei clienti; questo è compito del dipartimento marketing di un azienda. Successivamente sarà necessario tradurre tali esigenze in un progetto operativo, fino ad arrivare alla completa ingegnerizzazione del processo produttivo che condurrà, finalmente, alla realizzazione del prodotto fisico. Infine, l organizzazione commerciale e distributiva provvederà alla consegna del prodotto al cliente. Da quanto appena detto si capisce che, nell ottica di quella che viene definita qualità totale, produrre con alti livelli di qualità significa migliorare tutti i processi aziendali che contribuiscono alla produzione di prodotti o servizi, in vista della piena soddisfazione del cliente. Nello spirito della qualità totale, gestire per processi vuol dire curare al massimo grado i collegamenti fra le varie attività attraverso l idea del cliente interno. L insieme delle attività che si svolgono nell azienda viene considerato come un insieme di scambi fra clienti e fornitori interni. Qualità totale significa non solo qualità esterna (verso il cliente finale) ma anche qualità interna, relativa a tutte le varie transazioni che avvengono all interno dell azienda. La connotazione dinamica del mercato presuppone un continuo controllo e adeguamento del livello di qualità del prodotto. Diventa quindi necessario proporre un continuo miglioramento della qualità, che richiede un coinvolgimento di tutti i processi aziendali. In questo senso la strategia della qualità totale viene considerata come uno strumento per garantire la sopravvivenza e il successo dell azienda nel lungo periodo. Le esigenze del mercato, infatti, non sono statiche e vengono ad essere, in qualche modo, correlate col livello stesso di qualità. Ad esempio, se la garanzia per le auto è di 3 anni per quasi tutte le marche, il mercato accetterà questo valore come uno standard di qualità. Se un produttore porta la garanzia a 5 anni lo standard tenderà ad alzarsi. In tale quadro di riferimento troverà una sua giustificazione l'applicazione di metodologie dirette al Controllo Statistico del Processo in quanto sono esse a rappresentare un primo valido strumento a sostegno dell'attività di Decision Making ad ogni livello organizzativo per il

2 raggiungimento della qualità. Infatti, nella presentazione dei metodi statistici per il controllo di qualità, la nostra attenzione sarà focalizzata sul processo di produzione e sul prodotto/servizio che ne esce. Tentiamo allora di esporre, in sintesi, le logiche che sottendono a questa metodologia. Cominciamo col definire il Controllo Statistico di Processo. Come universalmente riconosciuto esso può essere definito come una metodologia che, in riferimento ad una determinata attività, operazione, fase o processo caratterizzato da ripetitività, fa ricorso a tecniche statistiche al fine di definire, analizzare e verificare le condizioni che determinano la variabilità dell'oggetto di analisi. In modo più sintetico, rifacendoci alla definizione fornita da Juran potremmo definire l'spc come "l'applicazione di tecniche statistiche per comprendere ed analizzare le variabilità di un processo". Gli studi sull'spc non sono certo temi nuovi alla Qualità. Già nel 1924, infatti, il dott. W.A. Shewart iniziò a sviluppare un approccio statistico al controllo di qualità, rilevando che il concetto di variabilità riferito ai fenomeni naturali era ugualmente adeguato all'analisi e alla descrizione dei processi produttivi. Con il contributo della statistica inferenziale e della statistica descrittiva, arrivò allora alla descrizione sintetica di fenomeni più ampi da impiegare come modelli di supporto alle attività di Problem Solving. Nacquero così le sue Carte di controllo uno degli strumenti statistici più impiegati nell'analisi dei processi produttivi. Da allora i passi avanti compiuti sul tema sono stati molti. Primo fra tutti il riconoscimento circa la validità di questi strumenti e un loro più vasto impiego. Il controllo Statistico della Qualità ha cessato di essere semplicemente un supporto al cosiddetto "Scientific Management" per divenire strumento diffuso da collocare all'interno di un vero e proprio approccio di gestione/organizzazione. In quest'ambito, le metodologie SPC seppur a livelli differenti di approfondimento sono divenute patrimonio aziendale comune e condiviso a tutti i livelli. Si è, in pratica, andato diffondendo all'interno dell'organizzazi one un orientamento finalizzato a coniugare l'approccio tradizionale ai problemi con un approccio fondato sullo Statistical thinking come atteggiamento culturale. Va sottolineato, tuttavia, come ciò valga non solo per ruoli tecnici piuttosto che manageriali, ma anche e soprattutto per coloro che, in quanto operatori, possono incidere direttamente sul proprio processo attraverso un'analisi che si configura come un vero e proprio Learning by doing. Il processo produttivo opera nel tempo realizzando una serie di prodotti che possono essere considerati elementi della popolazione di pezzi che il processo può produrre. E tuttavia presente una variabilità delle prestazioni del processo in quanto nessun pezzo prodotto è uguale ad un altro. Ovvero, misurando una medesima caratteristica X (che rappresenta l elemento di qualità che interessa) su ogni prodotto, si osserverà una certa variabilità della stessa. La presenza di variabilità 2

3 giustifica pienamente l approccio statistico. E infatti la modalità o valore della ca ratteristica X, rilevata sul singolo prodotto, viene vista come la determinazione di una variabile casuale con una data distribuzione di probabilità. In particolare, si deve tenere conto che: in ogni punto nel tempo (ricordiamo che una peculiarità del processo di produzione è la dimensione temporale), la grandezza X può essere descritta da un particolare modello distributivo. Qui faremo riferimento ad un modello parametrico: conoscendo i valori dei parametri siamo cioè in grado di identificare perfettamente la distribuzione (ad esempio, nel modello normale, conoscendo i parametri media e varianza si identifica completamento la distribuzione); lo specifico valore osservato su un prodotto può essere considerato come un valore generato dal quel particolare modello e cioè può essere visto come un campione casuale semplice di 1 unità, estratto dalla popolazione caratterizzata da quel modello distributivo; la distribuzione di X può cambiare nel tempo ovvero possono cambiare nel tempo i valori dei parametri distributivi (es., nel modello normale, si viene a modificare il valore della media). Quando intervengono tali modifiche significa che ci sono state variazioni sistematiche ovvero la popolazione è cambiata. Obiettivo ultimo quindi, nell'utilizzo di queste ecniche t statistiche è quello di dotare l'impresa di strumenti adeguati per migliorare il livello dei prodotti/servizi offerti/erogati attraverso l'eliminazione di errori, difformità che causano ripetizioni di lavoro, controlli inutili e quindi rallentamenti nei cicli di lavorazione. Garanzia di simili risultati sarà quindi, necessariamente una conoscenza chiara e approfondita dei processi, l'identificazione delle caratteristiche critiche del processo attraverso l'impiego di dati statisticamente significativi, in quanto tali analizzabili, che consentano di determinare e interpretare performance e cause che determinano "cambiamenti indesiderati" rispetto al normale funzionamento del processo in analisi. Dopo queste premesse, il presente studio fornisce una sintetica descrizione delle principali metodologie statistiche utilizzate nell ambito del controllo e del miglioramento della qualità di processo. Elenchiamo quindi tutte le principali tecniche statistiche impiegabili nella metodologia SPC, utili ad analizzare nel modo più obiettivo il comportamento del processo: Foglio raccolta dati Diagramma di Pareto Diagramma causa-effetto 3

4 Istogramma di frequenza Diagramma di correlazione Analisi della stratificazione Carte di controllo Analisi della capability Accenniamo solo ad alcuni dei possibili impieghi di questi strumenti, la cui descrizione verrà svolta nei paragrafi successivi: la previsione della possibilità di raggiungere le tolleranze di progetto; la pianificazione di verifiche dei controlli di processo l'analisi di possibili interdipendenze tra i processi gli interventi correttivi durante la lavorazione la valutazione di nuove attrezzature l'elaborazione di specifiche Molti altri evidentemente ve ne sono associabili alle differenti tecniche, che giustificano quindi l'impiego e la scelta di uno strumento piuttosto che dell'altro. 4

5 2. Fogli di raccolta dei dati I fogli di raccolta dati sono semplicemente dei moduli organizzati in modo tale da rendere facile e rapida la raccolta dei dati, in funzione della loro successiva elaborazione. Risulta pertanto chiaro che tali schede debbano essere progettate in modo tale da favorire la raccolta dei dati e facilitare una loro interpretazione. Questo strumento di analisi è molto utilizzato in fase di localizzazione ed analisi delle cause di dispersione dei processi produttivi e per l individuazione di eventuali unità difettose. Il foglio di raccolta dati é il supporto indispensabile sul quale riportare i dati di cui abbiamo bisogno; esso va costruito in funzione di obbiettivi e finalità che possono essere molto diversi da una situazione rispetto ad un altra. Ad esempio: tipologia e numero di difetti; unità prodotte fuori specifica; rispetto di una sequenza di operazioni; valutazione complessiva di un problema; valutazione in dettaglio di un problema; grado di influenza sul problema di aspetti quali il turno, i materiali, le macchine; Per ognuno di questi casi andrebbe sviluppato un foglio raccolta dati specifico che però causerebbe difficoltà alla persona incaricata di impostare la raccolta dati. Per rendere agevole questa operazione sono stati definiti alcuni fogli standard ai quali far riferimento. Questi fogli vengono di volta in volta adattati alle specifiche esigenze di raccolta dati. I principali fogli standard sono i seguenti: foglio di raccolta per dati numerabili; foglio di raccolta per dati misurabili; foglio di raccolta dati per posizione o concentrazione; foglio di sintesi; foglio impostato come lista di controllo; Ogni tipo di foglio di raccolta dati ha una parte comune che riguarda le informazioni che inquadrano la raccolta stessa, come ad esempio la data, la macchina o la procedura oggetto della raccolta e così via. Poiché i dati raccolti servono come base per prendere decisioni, per non vanificare la fase successiva di elaborazione, è importante completare il foglio raccolta dati con le informazioni che inquadrano la raccolta stessa. 5

6 FOGLIO DI RACCOLTA PER DATI NUMERABILI La progettazione del foglio è vincolata a due decisioni: come raccogliere i dati, per quanto tempo raccoglierli. I dati possono essere raccolti per tipo di difetto, per macchina, per operatore, per turno, in funzione delle cause che si sospettano essere più probabili. Il tempo di raccolta dipende invece dalla quantità di dati che si possono raccogliere in un unità di tempo e quindi dal ritmo del processo produttivo. Si può fare l esempio di un azienda automobilistica per rilevare la difettosità nei fari al termine della catena di montaggio. Si decide di raccogliere i dati per tipo di difetto e, supponendo che un campione per essere rappresentativo debba essere di 5000, se la produzione è di 500 auto al giorno si adotta un periodo di osservazione di 10 giorni. Si deve quindi dividere il foglio in 11 colonne, una per ogni giorno più i totali. Dopo aver identificato i tipi di difetto che si riscontrano maggiormente si divide il foglio in tante righe quanti sono i difetti più una per i difetti non compresi nelle categorie individuate e uno per i totali. L operatore, ogni qualvolta è presente un difetto, segna un trattino sul foglio. Tipi di difetti individuati: lampada fulminata lampada male avvitata baionetta faro difettosa faro storto lampada sporca Tabella 1.1 FOGLIO DI RACCOLTA PER DATI MISURABILI Un altro tipo di foglio di raccolta è quello per dati misurabili; i dati vengono qui rappresentati sotto forma di una distribuzione delle frequenze. Ciò richiede la definizione delle dimensioni delle classi nelle quali distribuire i dati raccolti. In questo modo si ottiene una rappresentazione grafica che consente di capire in maniera sintetica come si distribuiscono i prodotti esaminati in relazione alle dimensioni e di valutare il numero di prodotti che non soddisfano le caratteristiche richieste. 6

7 Un esempio può essere dato dalla misurazione di una dimensione di un certo particolare meccanico: Tabella 1.2 FOGLIO DI RACCOLTA DATI PER POSIZIONE DEL DIFETTO Per evidenziare difetti che risultano visibili ad un esame esteriore si usano fogli per posizione del difetto. Nel foglio si rappresenta il prodotto che è oggetto di indagine in modo che sia possibile identificare il tipo di difetto nella loro effettiva posizione e quindi evidenziare eventuali fenomeni di concentrazione per poi risalire alle cause. FOGLIO DI SINTESI Supponiamo di aver seguito un fenomeno complesso e di aver registrato i dati su diversi fogli di raccolta. Può essere utile per la piena comprensione del fenomeno sintetizzare successivamente i dati raccolti in un unico foglio opportunamente costruito rispettando gli stessi criteri di classificazione impiegati nella raccolta. Un esempio può essere un foglio di sintesi della difettosità in cui i dati sono divisi per tipo di difetto, macchina, giorno della settimana, turno (tabella 1.3): Tabella 1.3 7

8 Una volta terminata la registrazione un foglio di questo tipo può fornire numerose indicazioni: ad esempio se le macchine o gli operatori dei vari turni hanno lo stesso comportamento in termini di difettosità, se nel tempo si assiste o meno ad una concentrazione della difettosità. FOGLIO IMPOSTATO COME LISTA DI CONTROLLO La lista di controllo è un tipo di rappresentazione molto semplice che viene usata come promemoria per controllare determinate caratteristiche o per verificare l avvenuta esecuzione di operazioni. Nella tabella 1.4 è riportata un lista di controllo relativa a un pannello elettrico. Tabella 1.4 8

9 3. Istogrammi Nell ambito del controllo di processo è di capitale importanza interpretare i dati di output del processo produttivo analizzato, per fotografarne la dispersione (cioè l intervallo tra il massimo ed il minimo dei valori) e capire la variabilità del fenomeno. Una volta che sono stati raccolti i dati (un esempio di dati potrebbero essere le misure dello spessore delle lamine prodotte) è allora necessario uno strumento per interpretarli correttamente. L istog ramma, appunto, è uno strumento grafico che consente di avere una visione completa e sintetica dei dati raccolti fornendo anche un indirizzo all analisi delle cause. Può essere allora utile monitorare, attraverso un istogramma, la dispersione delle variabili più importanti e critiche del processo produttivo in modo da definire ipotesi e contromisure per la risoluzione del problema. L'istogramma, che non è altro che un diagramma a colonne, presenta in ordinata il numero di osservazioni in ciascuna classe e in ascissa le classi (il centro di ogni colonna coincide con il valore centrale della classe). Dove per classe si intende la dimensione di un intervallo di variabilità dei dati che si è preso come base per la rappresentazione dei dati stessi. Figura 2.1 Alla base della costruzione di un istogramma sta la valutazione dell escursione dei dati, per differenza tra il valore massimo ed il valore minimo, e la successiva suddivisione di questa per il numero di classi, per ottenere l intervallo d i classe. La scelta del numero di classi non segue generalmente un criterio prestabilito ma spesso sta nell esperienza del progettista il segreto per una corretta decisione; comunque, in alcuni casi, può essere utile adottare dei criteri che fanno uso di alcune formule empiriche (con K si indica il numero di classi e con N il numero dei dati in esame): K=3,3 log N + 1 K = N 1/2 Ottenuto l intervallo di classe ( h ) a partire dalla classe più bassa, con intervallo dato da X L (il valore minimo tra le misurazioni disponibili) e X L + h, le classi superiori saranno date per successiva somma dell'intervallo di classe.in corrispondenza di ciascun intervallo verranno 9

10 conteggiati il numero di valori, tra i dati raccolti, rientranti nell'intervallo di classe e riportati come barra verticale sull'asse delle ordinate. Considerare l istogramma come uno strumento solo di rappresentazione e non di analisi è fortemente sbagliato. Dopo avere costruito l istogramma occorre infatti trarne informazioni utili; spesso possiamo rilevare l esistenza di problemi nel processo in esame a seconda dell aspetto della distribuzione. Importanti indicazioni sul comportamento del processo produttivo sono ottenibili con l analisi di alcuni aspetti dell istogramma in esame: FORMA DEL GRAFICO : può essere utile verificare se la distribuzione dei dati segue un andamento a campana o al contrario siano presenti due o più picchi di frequenza (distribuzione bimodale o multimodale) dovuti generalmente alla sovrapposizione di dati di origine diversa (due macchine, due operatori). L istogramma può rilevare una asimmetria ( skewness) nella distribuzione dei dati, sintomatica di qualche errore nella raccolta dati o nella misurazione o nella sovrapposizione di dati non omogenei; il processo può essere sbilanciato in senso positivo (più valori a sinistra) o negativo (più valori a destra). Vadere figura 2.2 Figura 2.2 POSIZIONE O TENDENZA CENTRALE : l istogramma evidenzia, anche,se la distribuzione de i dati provenienti dall output di processo è centrata sull obbiettivo (valore nominale) fornendo indicazioni sull accuratezza del processo. Infatti dalla sovrapposizione dell istogramma con la retta del valore obbiettivo si può verificare il posizionamento del valore centrale dei dati rispetto al target assegnato (figura 2.3). 10

11 PROCESSO CENTRATO PROCESSO POSIZIONATO PROCESSO POSIZIONATO TROPPO IN BASSO TROPPO IN ALTO Figura 2.3 DISPERSIONE : un istogramma consente inoltre di valutare la precisione del processo produttivo tramite l analisi di dispersione della distribuzione dei dati, anch e in relazione ai limiti di tolleranza. Si possono osservare diagrammi a campana fortemente appiattiti, che indicano una forte dispersione dei valori, e altri fortemente concentrati in corrispondenza del valore centrale. Importanti valutazioni si ottengono confrontando l istogramma dei dati con i limiti di tolleranza imposti in fase di progetto ( figura 2.4). Il processo è entro i limiti di tolleranza Il processo non ha margini va ridotta la variabilità Processo spostato in basso. Il processo deve essere centrato sui limiti Processo troppo variabile, va ridotta la variabilità Figura

12 ESEMPIO Una azienda farmaceutica decide di effettuare un controllo sul processo di iniezione di un farmaco, per le cure tumorali, all interno di appositi flaconi. L azienda assume come tollerabili un quantitativo minimo di medicinale nei flaconi pari a 82 ml e uno massimo di 118 ml e in fase di progetto stabilisce un quantitativo obbiettivo di 95 ml. Gli operatori addetti a tale compito hanno a disposizione le misure del contenuto dei flaconi del prodotto medicinale riportate nella tabella 2.1: LUN MAR MER GIO VEN SAB LUN MAR MER GIO VEN SAB Tabella 2.1 Per un immediata valutazione sul processo si decide di costruire un istogramma dei dati di output. Dalla tabella dei dati sono stati ricavati il valore massimo (M) e quello minimo (m). In questo caso M=118 e m=80. Quindi calcolata l escursione (R) come differenza tra il valore massimo e quello minimo: R=M-m=38. Il numero delle classi, indicato con K, si sceglie in funzione del numero dei dati e viene usato il criterio della radice quadrata: K 2 =N. Nel qual caso, poiché N=120 si ottiene K=10.95 e per approssimazione si ottiene K=10. L ampiezza di ogni singola classe (h) è ottenuta dividendo l escursione di R per il numero delle classi K. Nel nostro caso si ottiene 3,8 arrotondato a 4 per comodità. A questo punto si definiscono i limiti delle classi iniziando dal valore minimo, che viene assunto come limite inferiore della prima classe. Il limite superiore sarà dato da quello inferiore più l ampiezza di classe. I limiti delle classi successive si individuano sommando di volta in volta l ampiezza di classe. 12

13 La tabella delle frequenze ed il relativo istogramma che si ottengono sono: Controllo statistico di qualità CLASSI FREQUENZE 80/ / / / / / / / / /120 1 Figura 2.5 Dall istogramma di figura 2.5 si può subito notare come i dati seguano approssimativamente una distribuzione normale, con una piuttosto accentuata variabilità dei dati. Rispetto al target aziendale il processo è abbastanza centrato, mentre in termini dei limiti di tolleranza il processo sembra non avere margini per cui potrebbe essere necessaria una azione correttiva sulla variabilità del processo. 13

14 4. Diagramma di Pareto L analisi di Pareto è una potente tecnica di supporto all azione del problem solving frequentemente utilizzata nell ambito del controllo statistico di processo. Questa è una metodologia grafica che consente di individuare su basi oggettive, più che su sensazioni dovute all'urgenza del momento, le priorità di intervento nella soluzione dei problemi evidenziando, tra una serie di cause, quelle che incidono maggiormente sul fenomeno in esame. L'obiettivo è sviluppare una mentalità atta a comprendere quali siano le poche cose più importanti, per concentrarsi solamente su esse. Il principio alla base di tale analisi stabilisce che tra tutte le possibili cause, poche di esse sono responsabili della maggior parte dei problemi riscontrati. Se registriamo i problemi che si verificano a seconda della tipologia o della causa che li ha provocati, possiamo presto scoprire che la maggior parte di essi (ed il conseguente costo) è attribuibile solamente ad una o poche cause tra le molte individuate. Il diagramma di Pareto e' una semplice rappresentazione grafica del sopraesposto principio, solitamente rappresentato come diagramma a barre,nel quale in ascissa sono riportati i tipi di difetti ed in ordinata la loro incidenza percentuale. Figura 3.1: Diagramma di pareto Dal grafico 1 si nota come la particolare struttura del diagramma di Pareto, in cui le colonne dell istogramma sono ordinate in ordine decrescente di frequenza, consenta un individuazione immediata degli aspetti prioritari da affrontare (su quanti e quali difetti concentrarci e quali tipologie di difetti conviene trascurare). Generalmente per una maggiore completezza e chiarezza grafica, accanto al diagramma a barre, viene tracciata la linea dei valori cumulati (la linea segnata in rosso nella figura 3.1). Un aspetto utile dell analisi di Pareto, da tenere in considerazione se il nostro obiettivo è ridurre i costi della qualità, è quello relativo ai costi del difetto. Si tratta di analizzare i costi di riparazione per ogni tipo di difetto o in generale le perdite di denaro dovute ai difetti. Per fare questo 14

15 si parte dall analisi di Pareto e si costruisce un nuovo grafico cartesiano con le tipologie dei difetti in ascisse e in ordinate il costo dei difetti, calcolato come il numero dei difetti moltiplicato il costo della riparazione di quel difetto. L analisi di questo nuovo diagramma ci permette di scopri re i reali punti di intervento e quelli di maggiore convenienza. La figura 3.3 riporta un tipico esempio di analisi dei costi in cui si può notare, da un confronto con il grafico di figura 3.2, come il difetto più frequente non corrisponda necessariamente con quello più oneroso. Figura 3.2 Figura 3.3 Un altro aspetto da tenere in considerazione dell analisi di Pareto, è che permette di confrontare due rappresentazioni dello stesso fenomeno in tempi differenti, evidenziando quindi i risultati dell azione di miglioramento effettuata. Il diagramma viene ridisegnato dopo l introduzione di cambiamenti ed affiancato a quello originario in modo da evidenziare l effetto delle modifiche. Nel grafico di figura 3.4 è stato effettuato ad esempio un confronto tra due diagrammi in istanti di tempo successivi. Figura 3.4 Vediamo quali sono le fasi principali da seguire per la stesura del diagramma di Pareto: a) IDENTIFICAZIONE DELLE CARATTERISTICHE D'INTERESSE DEL PROCESSO 15

16 vengono individuate le cause principali di errore e non conformità riscontrabili nel processo produttivo b) DEFINIZIONE DEL PERIODO DI OSSERVAZIONE DEL FENOMENO viene stabilito quando e per quanto tempo raccogliere le informazioni secondo il tempo necessario per avere dati sufficienti all analisi c) RILEVAZIONE E RACCOLTA DATI viene determinata la frequenza di non conformità (o di errori ) prodotte, nel periodo di tempo in questione, da ogni causa individuata. Successivamente i difetti, con le corrispondenti quantità rilevate, sono registrate all interno di un foglio di raccolta ordinate in senso decrescente di quantità di errore. d) COSTRUZIONE DEL DIAGRAMMA A BARRE si calcola il valore percentuale per ogni causa e si costruisce il relativo istogramma, ponendo in ascissa le diverse tipologie di difetti o cause e in ordinata la loro incidenza percentuale. ESEMPIO Andiamo ad analizzare il processo di produzione di uno stabilimento che produce pezzi meccanici per automobili. Supponiamo che ogni giorno dallo stabilimento escano un certo numero di prodotti difettosi. Si vuole stabilire quale tipologia di difetti, riscontrati in produzione, incide maggiormente sulla difettosità dei prodotti. Attraverso una discussione con i diversi responsabili si individuano le cause che si suppone possano influire sulla difettosità del prodotto e si stabilisce un periodo di osservazione di quattro mesi per la raccolta delle informazioni.una volta deciso come raccogliere i dati non resta che preparare il foglio di raccolta e rilevare le informazioni utili alla nostra analisi. Il foglio compilato risulta la base per la costruzione del diagramma di Pareto. DIFETTI GEN FEB MAR APR TOT Guarnizione rotta \ \ \ \\ 5 Pezzi mancanti \\\\\\\\\\\\\ \\\\\\\ \\ 22 Pezzi sbagliati \\\\\\\\\\\\\\\\\\\\\\\\ \\\\\\\\\\\\\\\\\\ \\\\\\\\\\\\\\\\\\\ \\\\\\\\\\\\\\\\\\\\\\\\\ 147 Montaggio errato \\\\\\\\\\\\\\\\\\\\ \\\\\\\\\\ \\\\ 34 Superficie rugosa \\\\\\\\\\ \\\\\\ 16 Rivestimento graffiato \\\\\\\\\\\\\\\ \\\\\\\\\\\\\\\\\\\\\\\\\ \\\\\\\\\\\\\\\\\\ \\\\\\\\\\\\\\\\ 112 Componente A difettoso \\ \ 3 Componente B difettoso \\\\ \ \ 6 Componente C difettoso \\\\\ 5 Totale Tabella

17 Riordiniamo i dati in una nuova tabella per ordine di importanza e raggruppiamo i tipi di difetto che appaiono un numero di volte trascurabile sotto la voce varie, quindi valutiamo il valore percentuale di ogni tipo di difetto. DIFETTI N % Pezzi sbagliati ,0 Rivestimento graffiato ,0 Montaggio errato 34 9,7 Pezzi mancanti 22 6,3 Superficie rugosa 16 4,6 Altre cause 19 5,4 Totale Tabella 3.2 Sulla base dei dati ottenuti possiamo compilare il relativo diagramma di Pareto : Figura 3.5 Nel nostro caso il primo difetto rappresenta il 42% della difettosità ed assieme al secondo difetto ricopre ben il 74% della difettosità globale; è evidente come una azione correttiva sul processo debba rivolgersi, in maniera prioritaria, verso le prime due tipologie di difetti. 17

18 5. Diagramma causa-effetto Messi a punto in Giappone da Kauru Ishikawa nel 1943, i diagrammi di causa effetto (detti per questo anche diagrammi di Ishikawa) sono tra gli strumenti più usati per la soluzione dei problemi di qualità. Il diagramma causa-effetto è un diagramma che mostra le relazioni tra una caratteristica e i suoi fattori o cause. Esso è dunque la rappresentazione grafica di tutte le possibili cause relative ad un fenomeno. Può essere inteso sia come mezzo per la rappresentazione sintetica delle cause di un problema, sia come strumento per l'individuazione delle cause stesse e quindi delle soluzioni del problema. Solitamente il diagramma prende una forma a lisca di pesce, da cui il nome alternativo di diagramma a lisca di pesce (vedi figura). Il problema di cui si vuole studiare la soluzione viene infatti disposto al termine di una linea, ai lati della quale si innestano altre linee che rappresentano le diramazioni principali, ovvero le cause primarie del problema; su queste si innestano a loro volta le cause secondarie, alle quali possono essere congiunte altre sottocause, e così via. In questo modo sono rappresentate, in modo ordinato, tutte le possibili cause che potrebbero determinare un problema, fornendo un ottima base di partenza p er l indagine delle vere cause che influenzano l effetto in esame CAUSA 1 CAUSA 2 EFFETTO CAUSA 3 CAUSA 4 CAUSE EFFETTI Figura 4.1 L analisi causa -effetto nel suo significato più completo è il processo che porta alla definizione precisa dell effetto che vogliam o studiare e, attraverso la fotografia della situazione ottenuta con la costruzione del diagramma, permette di fare una analisi delle vere cause che influenzano l effetto in esame. Possiamo individuare perciò 3 momenti che costituiscono questa fase di analisi: 18

19 IDENTIFICAZIONE DELL EFFETTO CHE SI VUOLE STUDIARE L identificazione dell effetto è alla base di un efficace analisi, in quanto meglio sarà definito l effetto in esame, tanto più l analisi sarà mirata ed efficace. COSTRUZIONE DEL DIAGRAMMA CAUSA EFFETTO Per la costruzione del diagramma causa-effetto è necessario individuare tutte le possibili cause dell effetto studiato; la ricerca delle cause può seguire tre diversi metodi : metodo della classificazione delle cause : si individuano prima di tutto le categorie principali di cause che serviranno per sviluppare in modo ordinato l analisi di dettaglio (un criterio di suddivisione può essere quello di individuare le seguenti categorie: macchine, manodopera, metodi, materiali) e successivamente si procede alla associazione delle cause specifiche (magari la ricerca può essere fatta in gruppo con un procedimento di tipo brainstorming). Le cause suggerite vengono riportate sul diagramma come rametti dei quattro rami principali (le categorie principali). Le cause riportate possono poi successivamente venire ramificate a loro volta trattandole come effetti per trovarne le cause. Questo procedimento si porta avanti finché il livello di dettaglio non si ritiene sufficiente all analisi. metodo per elencazione delle cause : con questo metodo si parte da una semplice elencazione delle cause; l elenco deve essere il più ampio e completo possibile e viene compilato attraverso un azione di brainstorming. In una seconda fase le cause devono essere strutturate evidenziando le relazione reciproche sotto forma di diagramma. La difficoltà è nella costruzione logica delle relazioni reciproche tra le cause quindi nella loro organizzazione nel diagramma causa-effetto. metodo per fasi di processo : questo metodo è particolarmente utile quando il fenomeno che vogliamo esaminare avviene attraverso fasi ben definite e separate, per esempio un processo produttivo composto dalle lavorazioni A,B,C (figura 4.2). Figura

20 Un esempio può essere dato dallo studio di un processo costituito da sgrassatura e cromatura. Figura 4.3 Come si può vedere il vantaggio del metodo per fasi di processo è quello di potere esaminare singolarmente ogni fase di lavoro. ANALISI DEL DIAGRAMMA COSTRUITO Come detto la costruzione del diagramma dà origine a uno schema molto ricco; scopo dell analisi sarà quindi esaminare criticamente le cause per individuare quelle più importanti e probabili e verificare quelle che effettivamente influenzano il problema. L individuazione delle cause più probabili avviene attraverso un analisi critica, se non si possiedono dati si procede attraverso una discussione. Successivamente si procede alla definizione delle cause più importanti valutando il peso che ognuna può avere nei confronti dell effetto ( l esito dovrebbe essere un elenco ordinato per importanza delle cause probabili). Se le cause sono state individuate e ordinate in modo appropriato si riesce presto a determinare la vera causa che influenza il fenomeno in oggetto; ci si può così concentrare su come rimuoverla definitivamente. Il diagramma di causa-effetto è indubbiamente un valido strumento di presentazione dei dati. Come metodo per la ricerca delle soluzioni di un problema, invece, non sempre risulta efficace. Il rischio può in effetti essere costituito dalla eccessiva formalizzazione del processo che porta ad analizzare cause ritenute già in partenza ininfluenti. Altro limite è nel fatto che esaminando una causa alla volta, si possono facilmente perdere le interazioni tra le diverse cause. 20

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Statistical Process Control

Statistical Process Control Statistical Process Control 1 Introduzione SPC si occupa del miglioramento della qualità. I metodi per il miglioramento della qualità possono essere applicati a qualsiasi area in una fabbrica o organizzazione

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto

Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Il presente capitolo continua nell esposizione di alcune basi teoriche della manutenzione. In particolare si tratteranno

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

Classificazioni dei sistemi di produzione

Classificazioni dei sistemi di produzione Classificazioni dei sistemi di produzione Sistemi di produzione 1 Premessa Sono possibili diverse modalità di classificazione dei sistemi di produzione. Esse dipendono dallo scopo per cui tale classificazione

Dettagli

CAPACITÀ DI PROCESSO (PROCESS CAPABILITY)

CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

Rischio impresa. Rischio di revisione

Rischio impresa. Rischio di revisione Guida alla revisione legale PIANIFICAZIONE del LAVORO di REVISIONE LEGALE dei CONTI Formalizzazione delle attività da svolgere nelle carte di lavoro: determinazione del rischio di revisione, calcolo della

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

Manuale dell'utente di SAP BusinessObjects Process Analysis

Manuale dell'utente di SAP BusinessObjects Process Analysis Manuale dell'utente di SAP BusinessObjects Process Analysis SAP BusinessObjects Process Analysis XI3.1 Service Pack 3 windows Copyright 2010 SAP AG. Tutti i diritti riservati.sap, R/3, SAP NetWeaver, Duet,

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

LA PROGETTAZIONE Come fare un progetto. LA PROGETTAZIONE Come fare un progetto

LA PROGETTAZIONE Come fare un progetto. LA PROGETTAZIONE Come fare un progetto LA PROGETTAZIONE 1 LA PROGETTAZIONE Oggi il raggiungimento di un obiettivo passa per la predisposizione di un progetto. Dal mercato al terzo settore passando per lo Stato: aziende, imprese, organizzazioni,

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Evoluzione competitiva dei controlli in produzione nelle filiere dei mezzi di trasporto. Torino, Centro Congressi Lingotto 14 15 aprile 2010

Evoluzione competitiva dei controlli in produzione nelle filiere dei mezzi di trasporto. Torino, Centro Congressi Lingotto 14 15 aprile 2010 Evoluzione competitiva dei controlli in produzione nelle filiere dei mezzi di trasporto INDICI E PIANI DI PROCESS CAPABILITY Prof. Biagio Palumbo (Università di Napoli Federico II - Dipartimento Ingegneria

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

UN CASO CONCRETO DI VALUTAZIONE DELLA SODDISFAZIONE DEL CLIENTE

UN CASO CONCRETO DI VALUTAZIONE DELLA SODDISFAZIONE DEL CLIENTE Tratto dal corso Ifoa UN CASO CONCRETO DI VALUTAZIONE DELLA SODDISFAZIONE DEL CLIENTE Recentemente, si sono sviluppati numerosi modelli finalizzati a valutare e a controllare il livello di soddisfazione

Dettagli

Organizzazione scientifica del lavoro

Organizzazione scientifica del lavoro Organizzazione scientifica del lavoro 1 Organizzazione scientifica del lavoro Organizzazione scientifica del lavoro è la teoria fondata da Frederick WindsdowTaylor (1865-1915) ingegnere minerario americano

Dettagli

Analisi termografica su celle litio-ione sottoposte ad esperienze di "second life" Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191

Analisi termografica su celle litio-ione sottoposte ad esperienze di second life Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191 Agenzia nazionale per le nuove tecnologie, l energia e lo sviluppo economico sostenibile MINISTERO DELLO SVILUPPO ECONOMICO Analisi termografica su celle litio-ione sottoposte ad esperienze di "second

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

LA PROGETTAZIONE SECONDO LA ISO 9001: 2000 (Giorgio Facchetti)

LA PROGETTAZIONE SECONDO LA ISO 9001: 2000 (Giorgio Facchetti) LA PROGETTAZIONE SECONDO LA ISO 9001: 2000 (Giorgio Facchetti) Uno degli incubi più ricorrenti per le aziende certificate l applicazione del requisito relativo alla progettazione in occasione dell uscita

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 1 RAPPRESENTARE I DATI: TABELLE E GRAFICI Un insieme di misure è detto serie statistica o serie dei dati 1) Una sua prima elementare elaborazione può

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

La MKT (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura

La MKT (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura La (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura Come funzionano i criteri di valutazione sulla temperatura Vi sono 5 parametri usati per la valutazione del

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

GLI INDICI DEI PREZZI ALL IMPORTAZIONE DEI PRODOTTI INDUSTRIALI

GLI INDICI DEI PREZZI ALL IMPORTAZIONE DEI PRODOTTI INDUSTRIALI 74/ 24 febbraio 2014 GLI INDICI DEI PREZZI ALL IMPORTAZIONE DEI PRODOTTI INDUSTRIALI L Istituto nazionale di statistica avvia la pubblicazione, con cadenza mensile, delle nuove serie degli indici dei prezzi

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

Progettazione Robusta

Progettazione Robusta Progettazione Robusta Perdita Consumatore qualità = f 1 (perdita Perdite di reputazione e quote di mercato Costi di garanzia per il produttore La qualità di un prodotto è la (minima perdita impartita alla

Dettagli

Progettazione di un DB....in breve

Progettazione di un DB....in breve Progettazione di un DB...in breve Cosa significa progettare un DB Definirne struttura,caratteristiche e contenuto. Per farlo è opportuno seguire delle metodologie che permettono di ottenere prodotti di

Dettagli

RELAZIONE SINTETICA DI STIMA ELETTRO 33 S.P.A. Procedura N 89/2013. Giudice Delegato: Dott. Vito FEBBRARO. Curatore Dott.

RELAZIONE SINTETICA DI STIMA ELETTRO 33 S.P.A. Procedura N 89/2013. Giudice Delegato: Dott. Vito FEBBRARO. Curatore Dott. RELAZIONE SINTETICA DI STIMA ELETTRO 33 S.P.A. Procedura N 89/2013 Giudice Delegato: Dott. Vito FEBBRARO Curatore Dott.ssa Elena MOGNONI Facciamo seguito all incarico conferitoci dalla Dott.ssa Elena MOGNONI

Dettagli

LOGISTICA APPUNTI DI STATISTICA

LOGISTICA APPUNTI DI STATISTICA Cos'é la Statistica LOGISTICA APPUNTI DI STATISTICA La statistica è la disciplina che applica metodi scientifici alla raccolta di dati e informazioni per una loro classificazione, elaborazione e rappresentazione

Dettagli

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000.

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000. A0/010226 Pag.1/13 Cliente: Ricerca di Sistema Oggetto: Determinazione della tenacità di acciai eserciti - Correlazioni per stime di FATT da prove Small Punch Ordine: Contratto CESI n. 71/00056 Note: DEGRADO/GEN04/003

Dettagli

Project Management Office per centrare tempi e costi

Project Management Office per centrare tempi e costi Project Management Office per centrare tempi e costi Il Project Management Office (PMO) rappresenta l insieme di attività e strumenti per mantenere efficacemente gli obiettivi di tempi, costi e qualità

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

Laboratorio di Progettazione Esecutiva dell Architettura 2 Corso di Estimo a.a. 2007-08 Docente Renato Da Re Collaboratore: Barbara Bolognesi

Laboratorio di Progettazione Esecutiva dell Architettura 2 Corso di Estimo a.a. 2007-08 Docente Renato Da Re Collaboratore: Barbara Bolognesi Laboratorio di Progettazione Esecutiva dell Architettura 2 Corso di Estimo a.a. 2007-08 Docente Renato Da Re Collaboratore: Barbara Bolognesi Microeconomia venerdì 29 febbraio 2008 La struttura della lezione

Dettagli

Criteri per la definizione e valutazione di un nuovo prodotto Aspetti di base ed elementi di discussione a cura di Michele Tamma

Criteri per la definizione e valutazione di un nuovo prodotto Aspetti di base ed elementi di discussione a cura di Michele Tamma Criteri per la definizione e valutazione di un nuovo prodotto Aspetti di base ed elementi di discussione a cura di Michele Tamma Aprile 2005 Definire un nuovo prodotto: Metterne a fuoco il concept, ovvero

Dettagli

Il Dipartimento per le Comunicazioni: uno studio dell età del personale. Miriam Tagliavia Marzo 2011

Il Dipartimento per le Comunicazioni: uno studio dell età del personale. Miriam Tagliavia Marzo 2011 Il Dipartimento per le Comunicazioni: uno studio dell età del personale Marzo 2011 2 Il Dipartimento per le Comunicazioni: uno studio dell età del personale Il Dipartimento per le Comunicazioni, uno dei

Dettagli

VALORE DELLE MERCI SEQUESTRATE

VALORE DELLE MERCI SEQUESTRATE La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune

Dettagli

Il Safety Rainbow: i comportamenti dei lavoratori alla base della Sicurezza

Il Safety Rainbow: i comportamenti dei lavoratori alla base della Sicurezza Il Safety Rainbow: i comportamenti dei lavoratori alla base della Sicurezza Ovvero: i sette comportamenti a rischio responsabili dei principali infortuni sul lavoro MANUTENZIONE & SICUREZZA Franceso Gittarelli,

Dettagli

MANUALE OPERATIVO INTRODUZIONE. Manuale Operativo

MANUALE OPERATIVO INTRODUZIONE. Manuale Operativo Pagina 1 di 24 INTRODUZIONE SEZ 0 Manuale Operativo DOCUMENTO TECNICO PER LA CERTIFICAZIONE DEL PROCESSO DI VENDITA DEGLI AGENTI E RAPPRESENTANTI DI COMMERCIO OPERANTI PRESSO UN AGENZIA DI RAPPRESENTANZA:

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente 1.1 Il motore a corrente continua Il motore a corrente continua, chiamato così perché per funzionare deve essere alimentato con tensione e corrente costante, è costituito, come gli altri motori da due

Dettagli

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento ARTICOLO Archimede 4 4 esame di stato 4 seconda prova scritta per i licei scientifici di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA Nella figura

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1 Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 Capitolo 3. L'analisi della varianza. Il problema dei confronti multipli. La soluzione drastica di Bonferroni ed il test

Dettagli

Preprocessamento dei Dati

Preprocessamento dei Dati Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza

Dettagli

Metodologie di Analisi e Valutazione delle Posizioni e delle Prestazioni

Metodologie di Analisi e Valutazione delle Posizioni e delle Prestazioni HUMANWARE S.A.S. Via Tino Buazzelli, 51 00137 - Roma Tel.: +39 06 823861 Fax.:+39 06 233214866 Web: www.humanware.it Email: humanware@humanware.it Metodologie di Analisi e Valutazione delle Posizioni e

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

Indagine sui consumi degli edifici pubblici (direzionale e scuole) e potenzialità degli interventi di efficienza energetica

Indagine sui consumi degli edifici pubblici (direzionale e scuole) e potenzialità degli interventi di efficienza energetica Indagine sui consumi degli edifici pubblici (direzionale e scuole) e potenzialità degli interventi di efficienza energetica Marco Citterio, Gaetano Fasano Report RSE/2009/165 Ente per le Nuove tecnologie,

Dettagli

white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo

white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo White paper La Process Intelligence migliora le prestazioni operative del settore assicurativo Pagina 2 Sintesi

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

PROGETTO EM.MA PRESIDIO

PROGETTO EM.MA PRESIDIO PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i

Dettagli

I Valori del Manifesto Agile sono direttamente applicabili a Scrum:!

I Valori del Manifesto Agile sono direttamente applicabili a Scrum:! Scrum descrizione I Principi di Scrum I Valori dal Manifesto Agile Scrum è il framework Agile più noto. E la sorgente di molte delle idee che si trovano oggi nei Principi e nei Valori del Manifesto Agile,

Dettagli

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione METODO DELLE FORZE CORSO DI PROGETTZIONE STRUTTURLE a.a. 010/011 Prof. G. Salerno ppunti elaborati da rch. C. Provenzano 1. METODO DELLE FORZE PER L SOLUZIONE DI STRUTTURE IPERSTTICHE 1.1 Introduzione

Dettagli

Introduzione ad Access

Introduzione ad Access Introduzione ad Access Luca Bortolussi Dipartimento di Matematica e Informatica Università degli studi di Trieste Access E un programma di gestione di database (DBMS) Access offre: un supporto transazionale

Dettagli

Il sistema di rilevazione dati per il controllo globale delle macchine di produzione

Il sistema di rilevazione dati per il controllo globale delle macchine di produzione 1 Il sistema di rilevazione dati per il controllo globale delle macchine di produzione Per automatizzare Ia raccolta dati di produzione e monitorare in tempo reale il funzionamento delle macchine, Meta

Dettagli

di Sara Baroni Marketing e Vendite >> Marketing e Management

di Sara Baroni Marketing e Vendite >> Marketing e Management GESTIRE CON SUCCESSO UNA TRATTATIVA COMMERCIALE di Sara Baroni Marketing e Vendite >> Marketing e Management OTTENERE FIDUCIA: I SEI LIVELLI DI RESISTENZA Che cosa comprano i clienti? Un prodotto? Un servizio?

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

Il Business Process Management: nuova via verso la competitività aziendale

Il Business Process Management: nuova via verso la competitività aziendale Il Business Process Management: nuova via verso la competitività Renata Bortolin Che cosa significa Business Process Management? In che cosa si distingue dal Business Process Reingeneering? Cosa ha a che

Dettagli

QUESTIONARIO SUGLI STILI DI APPRENDIMENTO

QUESTIONARIO SUGLI STILI DI APPRENDIMENTO QUESTIONARIO SUGLI STILI DI APPRENDIMENTO Le seguenti affermazioni descrivono alcune abitudini di studio e modi di imparare. Decidi in quale misura ogni affermazione si applica nel tuo caso: metti una

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

FONDAMENTI TEORICI DEL MOTORE IN CORRENTE CONTINUA AD ECCITAZIONE INDIPENDENTE. a cura di G. SIMONELLI

FONDAMENTI TEORICI DEL MOTORE IN CORRENTE CONTINUA AD ECCITAZIONE INDIPENDENTE. a cura di G. SIMONELLI FONDAMENTI TEORICI DEL MOTORE IN CORRENTE CONTINUA AD ECCITAZIONE INDIPENDENTE a cura di G. SIMONELLI Nel motore a corrente continua si distinguono un sistema di eccitazione o sistema induttore che è fisicamente

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Orientamenti sulla valutazione ex ante dei Programmi 2014-2020. Il sistema di indicatori nella programmazione 2014-2020

Orientamenti sulla valutazione ex ante dei Programmi 2014-2020. Il sistema di indicatori nella programmazione 2014-2020 Orientamenti sulla valutazione ex ante dei Programmi 2014-2020 Il sistema di indicatori nella programmazione 2014-2020 Simona De Luca, Anna Ceci UVAL DPS Roma 11 luglio 2013 Indice 1. Indicatori: un modo

Dettagli

Che cos è un focus-group?

Che cos è un focus-group? Che cos è un focus-group? Si tratta di interviste di tipo qualitativo condotte su un ristretto numero di persone, accuratamente selezionate, che vengono riunite per discutere degli argomenti più svariati,

Dettagli

La ricerca empirica: una definizione

La ricerca empirica: una definizione Lucido 35/51 La ricerca empirica: una definizione La ricerca empirica si distingue da altri tipi di ricerca per tre aspetti (Ricolfi, 23): 1. produce asserti o stabilisce nessi tra asserti ipotesi teorie,

Dettagli

Come si può esprimere il risultato dl un conteggio e di una misura? Quando si dice che In una

Come si può esprimere il risultato dl un conteggio e di una misura? Quando si dice che In una NUMERI INTERI E NUMERI DECIMALI Come si può esprimere il risultato dl un conteggio e di una misura? Quando si dice che In una cassetta sono contenuti 45 penne e che una lamiera misura 1,35 m. dl lunghezza,

Dettagli

White Paper. Operational DashBoard. per una Business Intelligence. in real-time

White Paper. Operational DashBoard. per una Business Intelligence. in real-time White Paper Operational DashBoard per una Business Intelligence in real-time Settembre 2011 www.axiante.com A Paper Published by Axiante CAMBIARE LE TRADIZIONI C'è stato un tempo in cui la Business Intelligence

Dettagli

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica).

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica). 3.4. I LIVELLI I livelli sono strumenti a cannocchiale orizzontale, con i quali si realizza una linea di mira orizzontale. Vengono utilizzati per misurare dislivelli con la tecnica di livellazione geometrica

Dettagli

LA MOLTIPLICAZIONE IN PRIMA ELEMENTARE

LA MOLTIPLICAZIONE IN PRIMA ELEMENTARE LA MOLTIPLICAZIONE IN PRIMA ELEMENTARE E bene presentarla confrontando tra loro varie tecniche: addizione ripetuta; prodotto combinatorio (schieramenti). Rispetto a quest'ultima tecnica, grande utilità

Dettagli

Dar da mangiare agli affamati. Le eccedenze alimentari come opportunità

Dar da mangiare agli affamati. Le eccedenze alimentari come opportunità Dar da mangiare agli affamati. Le eccedenze alimentari come opportunità Paola Garrone, Marco Melacini e Alessandro Perego Politecnico di Milano Indagine realizzata da Fondazione per la Sussidiarietà e

Dettagli

Business Intelligence. Il data mining in

Business Intelligence. Il data mining in Business Intelligence Il data mining in L'analisi matematica per dedurre schemi e tendenze dai dati storici esistenti. Revenue Management. Previsioni di occupazione. Marketing. Mail diretto a clienti specifici.

Dettagli

I Grafici. La creazione di un grafico

I Grafici. La creazione di un grafico I Grafici I grafici servono per illustrare meglio un concetto o per visualizzare una situazione di fatto e pertanto la scelta del tipo di grafico assume notevole importanza. Creare grafici con Excel è

Dettagli

PRINCIPIO DI REVISIONE INTERNAZIONALE (ISA) N. 210 ACCORDI RELATIVI AI TERMINI DEGLI INCARICHI DI REVISIONE

PRINCIPIO DI REVISIONE INTERNAZIONALE (ISA) N. 210 ACCORDI RELATIVI AI TERMINI DEGLI INCARICHI DI REVISIONE PRINCIPIO DI REVISIONE INTERNAZIONALE (ISA) N. 210 ACCORDI RELATIVI AI TERMINI DEGLI INCARICHI DI REVISIONE (In vigore per le revisioni contabili dei bilanci relativi ai periodi amministrativi che iniziano

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Migl g i l or o am a e m n e t n o co c n o t n inu n o

Migl g i l or o am a e m n e t n o co c n o t n inu n o Gli Indicatori di Processo Come orientare un azienda al miglioramento continuo Formazione 18 Novembre 2008 UN CIRCOLO VIRTUOSO Miglioramento continuo del sistema di gestione per la qualità Clienti Gestione

Dettagli

Ministero, dell'istruzione, dell Università e della Ricerca

Ministero, dell'istruzione, dell Università e della Ricerca Prot. n. 612 Spedito il 30/3/2010 All On.le Ministro SEDE OGGETTO: Valutazione della ricerca. Adunanza del 25.03.2010 IL CONSIGLIO UNIVERSITARIO NAZIONALE APPROVA IL SEGUENTE DOCUMENTO: Introduzione Ogni

Dettagli

GLI ASSI CULTURALI. Allegato 1 - Gli assi culturali. Nota. rimessa all autonomia didattica del docente e alla programmazione collegiale del

GLI ASSI CULTURALI. Allegato 1 - Gli assi culturali. Nota. rimessa all autonomia didattica del docente e alla programmazione collegiale del GLI ASSI CULTURALI Nota rimessa all autonomia didattica del docente e alla programmazione collegiale del La normativa italiana dal 2007 13 L Asse dei linguaggi un adeguato utilizzo delle tecnologie dell

Dettagli

In base alla formula di torneo adottata i tornei possono pertanto prevedere lo svolgimento di una o più partite.

In base alla formula di torneo adottata i tornei possono pertanto prevedere lo svolgimento di una o più partite. Formule di gioco La successione di mani necessarie per l eliminazione del penultimo giocatore o per la determinazione dei giocatori che accedono ad un turno successivo costituisce una partita. In base

Dettagli

PRESIDENZA DEL CONSIGLIO DEI MINISTRI DIPARTIMENTO DELLA FUNZIONE PUBBLICA

PRESIDENZA DEL CONSIGLIO DEI MINISTRI DIPARTIMENTO DELLA FUNZIONE PUBBLICA PRESIDENZA DEL CONSIGLIO DEI MINISTRI DIPARTIMENTO DELLA FUNZIONE PUBBLICA DIRETTIVA DEL MINISTRO DELLA FUNZIONE PUBBLICA SULLA RILEVAZIONE DELLA QUALITA PERCEPITA DAI CITTADINI A tutti i Ministeri - Uffici

Dettagli

CS. Cinematica dei sistemi

CS. Cinematica dei sistemi CS. Cinematica dei sistemi Dopo aver esaminato la cinematica del punto e del corpo rigido, che sono gli schemi più semplificati con cui si possa rappresentare un corpo, ci occupiamo ora dei sistemi vincolati.

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

Le imprese nell economia. esportazioni, multinazionali. Capitolo 8. adattamento italiano di Novella Bottini (ulteriore adattamento di Giovanni Anania)

Le imprese nell economia. esportazioni, multinazionali. Capitolo 8. adattamento italiano di Novella Bottini (ulteriore adattamento di Giovanni Anania) Capitolo 8 Le imprese nell economia globale: esportazioni, outsourcing e multinazionali [a.a. 2012/13] adattamento italiano di Novella Bottini (ulteriore adattamento di Giovanni Anania) 8-1 Struttura della

Dettagli

LA POVERTÀ IN ITALIA. Anno 2013. 14 luglio 2014

LA POVERTÀ IN ITALIA. Anno 2013. 14 luglio 2014 14 luglio 2014 Anno 2013 LA POVERTÀ IN ITALIA Nel 2013, il 12,6% delle famiglie è in condizione di povertà relativa (per un totale di 3 milioni 230 mila) e il 7,9% lo è in termini assoluti (2 milioni 28

Dettagli

Il ciclo di vita del software

Il ciclo di vita del software Il ciclo di vita del software Il ciclo di vita del software Definisce un modello per il software, dalla sua concezione iniziale fino al suo sviluppo completo, al suo rilascio, alla sua successiva evoluzione,

Dettagli

ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE

ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE NOTE PER IL TECNICO ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE da BRUEL & KJAER Le cosiddette «application notes» pubblicate a cura della Bruel & Kjaer, nota Fabbrica danese specializzata

Dettagli