Cap 3

m,,

Enviado por

Paulo Fidelis

Direitos autorais

Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.

Formatos disponíveis

Baixe no formato PDF ou leia on-line no Scribd

0% acharam este documento útil (0 voto)

67 visualizações71 páginas

Cap 3

m,,

Enviado por

Paulo Fidelis

Direitos autorais

Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.

Formatos disponíveis

Baixe no formato PDF ou leia on-line no Scribd

Graficos de Controle por Variaveis 1) > Uma vez eliminadas as causas especiais que afetam 0 processo e esta- belecidas as medidas contra a reincidéncia de tais causas, pode-se iniciar a cons- truco dos gréficos de controle. Neste capitulo, serdio estudados os principais gré- ficos de controle utilizados no monitoramento de caracteristicas de qualidade re- presentadas por varidveis continuas (grdficos de controle por varidvets): 0 grafico da média X, o da amplitude R, o da variancia S? e 0 do desvio-padrao S. 3.1 CONSTRUINDO OS GRAFICOS DE CONTROLE DE X ER Se a varidvel a ser controlada é uma varidvel continua, como 0 volume de Jeite em um saquinho, o usual 6 monitorar 0 processo por um par de gréficos de controle: um para monitorar a centralidade e outro para monitorar a dispersao da varidvel. Na maioria das vezes, os graficos empregados sao 0 da média amostral X para monitorar a centralidade e o da amplitude amostral R para monitorar a disperséio. Comecemos examinando 0 grafico de X. A Linha Média (LM) para o grafico de X é localizada na média (valor esperado) de X,, ¢ os limites de controle para o grafico sdo usualmente estabelecidos a trés desvios-padrao dessa média, isto é:ISC; =py +30, B.D IMy = py 2) LICy = [hy — 305 3.3) Os limites de controle com trés desvios-padrao de afastamento em relacao a linha média (“limites de 3 sigma”) foram propostos por Shewhart, que se baseou no seguinte lema: “se o processo estiver em controle, evite ajustes desne- cessdrios, que s6 tendem a aumentar a sua variabilidade”. Com a abertura de trés. desvios-padrao, enquanto o processo estiver em controle, raramente um Ponto caird na regio de acao do grafico, o que seria indicagao para intervir no proces- 80, visando fazer os ajustes necessdrios. Desse modo, raramente se cometera 0 equi- voco de intervir em um processo, em controle. Intervengdes em processos em controle, além de desnecessirias, saio perigosas, pois podem afetar 0 processo, desajustando-o, por exemplo. Além disso, geram custos: custos com a interrup- G40 do processo, custos com as investigacdes para descobrir: problemas inexistentes ete. Na secdo de andlise de desempenho dos graficos de ¥ eR, a abertura dos limites de controle serd tratada de forma mais geral, ou Seja, serao considerados limites com k desvios-padrao de afastamento em relacao 4 média. ‘Vejamos agora como obter os valores de Ut g © Oy para determinagao dos limites para 0 grafico. Supondo independéncia entre os valores inviduais dos elementos da amostra, o valor esperado da estatistica X coincide com 0 valor. esperado, jt, da varidvel aleatéria X: Hy = Hy Ga) Jaa dispersio dos valores de X (veja a ultima coluna da Tabela 3.5) reduz-se A medida que aumenta o tamanho das amostras. A relacdo entre a variancia das observaces individuais, oj , e dos valores de X, o% , é a seguinte: o3 =o /n. Portanto, como o desvio-padrao € a raiz quadrada da varidncia, Gy a ee ah (3.5) Por exemplo, para amostras de tamanho 4, o desvio-padrao de X é igual a metade do desvio-padrao das observacées individuais de Xij. Para simplificar, a média de X, Hp € 0 desvio-padrao de X, Gy Serao, respectivamente, denotados por 1. e o. 45Para fins de determinacdo dos limites de controle para 0 grafico, interes- sam os valores de 1 ¢ de o quando 0 processo esté em controle, isento de causas especiais: 1, € G,. Note que, na pratica, esses valores nao sao conhecidos com pre- cisdo absoluta; em seu lugar utilizamos as estimativas dispontveis. Denotando essas estimativas por fi, € 6,, obtém-se, com as expresses 3.1 a 3.5, os seguintes limites de controle e linha média para o grafico de X : (3.6) G7) (3.8) O intervalo de +30, /./n em torno de 1, engloba a maioria dos valores de X (99,73% deles) caso a dispersio do processo permanega estivel e sua mé- dia permanega ajustada em iy, ou seja, caso 6= Gy € L=plo. Portanto, enquanto o processo permanecer isento de causas especiais, a média amostral X de cada subgrupo ter4 pouca chance de nao “cair” no intervalo Wy £3ey ; conseqiientemente, se ocorrer um valor de & fora desse intervalo, & mais verossimil que a média do proceso, 41, tenha-se alterado (nao sendo mais igual a 1, ), em conseqiiéncia de alguma causa especial. Vejamos agora como determinar os limites para 0 grafico de R, destinado a monitorar a dispersao do processo. Os limites de controle para o grafico de R também sao situados usualmente a trés desvios-padrao de afastamento da média, ou seja: L8Cy = thn +30 3.9) IM, =p (3.10) LC, =p — 305 (8.11) Se a distribuicdo da variavel de interesse X (por exemplo, a quantidade de leite em cada saquinho) for normal com desvio-padrao igual a G, entao a distribuigao da amplitude amostral R (diferenca, em médulo, entre 0 menor e 0 maior valor da amostra) terd média e desvio-padrao dados por: By=4d,o (3.12) so (3.13) Sp onde as constantes d, e d, dependem apenas do tamanho da amostra n. Veja a Tabela 3.1. 46Tabela 3.1 Valores de d,ed,. Para detalhes sobre a obtencdo da média e do desvio-padrao da variavel aleatoria R, veja o Apéndice B. Com as expressdes 3.12 ¢ 3.13 em 3.9 a 3.11, e substituindo ¢ por sua estimativa 65 (obtida com o processo em controle, ou seja, isento de causas especiais) vemos que os limites de controle e linha média para 0 grafico de R podem ser calculados por: LSCx = d26 + 3d365 (3.14) IM, = 4,85 (3.15) LIC, = 4,6, - 34,65 (3.16) Uma ressalva precisa ser feita: como a amplitude, por definigio, nio pode ser negativa, quando 0 valor caleulado para LIC, por 3.16 for negativo, adota-se LIC, = , significando, na realidade, a auséncia de um limite inferior de controle. Enquanto o processo permanecer isento de causas especiais (isto é, enquan- to ¢=oy, a probabilidade de a amplitude R de um subgrupo no pertencer a0 intervalo entre os limites de controle sera muito pequena; conseqiientemente, uma amplitude fora desse intervala leva-nos a questionar as condigdes do processo, quanto a sua variabilidade. (Lembremos que o e R sao ambos medidas de dispersao do processo e que alteragées no desvio-padrao o afetam a distribuicao de R; ver as equac6es 3.12 ¢ 3.13.) Exemplo: se o desvio-padrao ¢ aumenta, a médiae o desvio-padrao das amplitudes amostrais R também aumentarao; conseqiientemente, os valores de R tenderao a ser maiores. Quando uma amplitude amostral R for maior que o limite superior de controle, “soar o alarme” de que o desvio- padrao do processo aumentou. Note que os limites para o grafico de X dependem de jt, (0 valor-alvo preestabelecido), ou de sua estimativa, e também da estimativa 6, do desvio-pa- dro em controle do processo; os limites para o grafico de R dependem apenas desta tiltima. Dado um conjunto inicial de m amostras, a estimativa usual para 1, 60 valor médio das médias das amostras: 47(3.17) onde X, éa média da i-ésima da amostra; e a estimativa para ¢,, no caso de se estar utilizando o grafico de X em conjunto com um grafico de R, é: S, =R/d, (2.9, repetida) sendo R a média aritmética dos m valores de R: R=P.R/m (2.10, repetida) E interessante notar que em 3.15, quando se usa S,= R/d, como estimador para o,, 0 valor calculado para a linha média do grafico de R reduz-se aR. Como vimos na secdo 2.6, a estatistica R, utilizada na estimacao de o,, ¢ insensivel a causas especiais que alteram apenas a média do processo (como aquela que afetou a 2* amostra da Tabela 2.7 do Capitulo 2). Portanto, se a média do processo alterar-se durante a coleta das amostras destinadas a construcdo dos graficos de controle, isto nao tera repercussao na determinagio dos limites de controle do grafico de RO mesmo nao pode ser dito para 0 grafico de X, pois a determinacao de seus limites é feita com base nas estatisticas X e R. Alteracdes na média u afetam a estatistica X , e, como ja foi dito, alteragdes no desvio-padrao o afetam a estatistica R . Durante 0 periodo de coleta de amostras, destinada 4 construgdo dos graficos de controle, 0 processo esta sempre sujeito a reinci- déncia de causas especiais conhecidas, ou mesmo de causas especiais ainda no diagnosticadas; portanto, nada mais razodvel do que iniciar a construcao dos graficos de controle pelo grafico da amplitude. llustremos, agora, a construcao dos grdficos com um exemplo. A Tabela 3.2 apresenta os valores de X,, volume do j-ésimo saquinho de leite pertencente a i-ésima amostra, e de R,, amplitude da i-ésima amostra, para 25 subgrupos racionais de tamanho 5 (m = 25 en = 5), bem como a amplitude média R . Portanto, i varia de 1 a 25 ej de 1 a5. Com base na amplitude média R, podemos estimar 0 desvio-padrao do processo: 6) = Sp =R/d, =11,0/2,326 = 4,729 (3.18) (Ao utilizar a amplitude média das amostras para estimar Go, estamos supondo que o processo esteve em controle durante a retirada das amostras; essa hipétese ainda precisard ser confirmada, como veremos.) 48Tabela 3.2 Valores deX,, Re R. 1004,6 997.3 1003,0 1005,9 995.8 10,1 2: 2 1003.6 1008,6 997,9 1001,3 9991 | 10,7 S, 999.1 992,6 1001,1 1001,6 1002,9 10,3 4 1007,9 997.5 991,3 997.8 1000,8 | 16,5 5 999,5 995.6 1004,3 995.6 9914 13,0 6 1003,3 996.8, 997,2 993.6 1000,1 oF Zz 999.7 1032,1 995,2 1001,8 1002,2 16,9 8 1000,1 995,35 990,0 997,5 1003,2 13,2 9 1004,3 1001.4 1001,6 999,1 9964 TF 10 999,0 995.8 989,9 995,1 1002.8 12,9 ML 1003,2 1004,4 993,5 994,6 997,6 10,9 12 996.2 1017,3 993.6 996,5 1003,7 23,7 13 1014,0 1008,9 1004,1 1007,9 1000,7 13,3 14 1002,2 996,6 1002,7 1004,2 1001,8 7,6 15 998,3 97,5 1006,1 96,5 998.1 9,6 16 995,8 1000.8, 999,1 1002.5 1001,0 6,7. 17 1004,1 1003,0 1004,8 997,9 999.9 6,9 18 1000,1 994,9 1000,1 1004,9 997,3 10,0 19 1000,2 996,1 998.0 1006,1 999,4 10,0 20 1002,3 999.0 1000,8 1000,7 998,0 43 21 998.3 998.1 1004.2 1002,1 991,3 12,9 22 997.1 1000,7, 999.8 1000,6 1001,7 4.6 23 1003,6 996,1 1001.4 998,0 991,8 11,9 24 999.9. 1006,4 1005.1 999.8 1003,0 6,6 25 1007,3 999-5 992.5 996,2 998,2 14,8 Re 11,0 Utilizando essa estimativa de o, nas equages 3.14 a 3.16, obtemos os valores dos limites de controle e da linha média para o grafico da amplitude: LSC, = (d, + 3d,)6q = (2,326 +3x0,864) x 4,729 = 23,26 LM, =R=11,0 LIC, = (d, ~3d,)65 = (2,326 -3x 0,864) 4,729 = -1,26 49 (3.19) (3.20) (3.21)Como o valor de LIC, calculado é negativo, usa-se entao: LIC, =0 (3.22) Na Figura 3.1, esta 0 grafico da amplitude R. A amplitude da 12 amostra éexcessivamente grande (0 12° ponto esta acima do limite superior de controle). Conseqiientemente, um trabalho de investigacao deve ser empreendido, visando encontrar justificativas para esse aumento na variabilidade do processo sinalizado pelo 12® subgrupo racional. Figura 3.1 Grdfico da amplitude R. Se é possivel diagnosticar a causa especial que aumentou a variabilidade, e comprovar que a mesma sé afetou a 128 amostra, entao étimo: podemos eliminar essa amostra da andlise. Sempre que se consegue identificar a causa especial, © periodo em que ela atuou e, em conseqiiéncia, quais amostras foram afetadas por ela, devem-se eliminar todas essas amostras (mesmo que nem todas estejam. fora dos limites de controle). Se forem muitas essas amostras, € restarem poucas para a estimativa inicial de R, temos que ter paciéncia ¢ prolongar o perfodo de coleta de amostras destinado a construgéo dos limites de controle. Na pritica, contudo, nem sempre é possivel descobrir a causa especial que atuou no passado, e mais dificil ainda é saber quais amostras foram afetadas por ela. O leitor deve lembrar que, mesmo com o processo estavel e ajustado, se forem muitas as amostras consideradas, existe sempre uma pequena chance de os limites de controle nao englobarem ao menos um dos pontos amostrais. Portan- to, se em uma seqiiéncia de 25 ou 30 pontos apenas um estiver fora dos limites, isto é, acima do limite superior de controle ou abaixo do limite inferior, e nao for possivel diagnosticar nenhuma causa especial presente no processo durante a retirada da amostra que gerou tal ponto, o melhor é manté-lo e construir os limites de controle com base em todas as amostras. (Porém, também é valido retirar 0 50Ponto, com base no raciocinio de que o mais provavel é que ele tenha sido obtido em um instante em que o processo estava sob a influéncia de uma causa especial que nao foi possivel determinar. Na verdade, tratando-se de apenas um ponto, manté-lo ou retird-lo nao afetard significativamente os limites calculados para o grafico.) Caso nao seja apenas um o numero de pontos fora dos limites, provavel- mente © processo nao esta estdvel, e o melhor a fazer é ter paciéncia e voltar a etapa inicial, destinada 4 descoberta e a eliminacao das causas especiais. O fluxo- grama da Figura 3.2 sintetiza o procedimento. Para dar continuidade 4 construgao dos grdficos de controle, vamos supor que a causa especial foi diagnosticada, e confirmou-se que a mesma afetou apenas 0 12° subgrupo racional. Na Tabela 3.3, 0 12° subgrupo foi eliminado; conse- giientemente, o valor da estatistica R diminuiu (passou de 11,0 para 10,5). O desvio-padrao do processo deve ser reestimado de acordo com esse novo valor: 6) =S, =R/d, =10,5/2,326 =4,514 (3.23) 7 Os valores recalculados dos limites de controle e da linha média do grafico da amplitude sda: ESC, = (dy +3d,)6, = (2,326 +3x0,864)x4,514=22,20 (3.24) IM, =R=10,5 (3.25) LIC, = (d, ~3d3)6, = (2,326 -3x0,864)x4,514 =—1,20 (G.26) Portanto, adotaremos: LIC, = 0 (3.27) 51pontos no gréfico. Ha pontos fora? Investigar 0 procesco Diagnosticada [Link]? Eliminar no apenas 0 ponto, como também todos o& provenientes de amostras coletadas enquanto a causa especial esteve presente. © cdilculo dos limites de controle, Avaliar se 0 ntimero de pontos restantes é suficiente para FIM: 0 grafico esté pronto para ser usado no monitoramento, pontos Prolongar 0 periodo de coleta até obter pontos suficientes. Opgiio 1: usado no (0 processo nao deve estar Opeiio 2 estdvel. Ignorar todas as amostras ¢ reiniciar investigacio em busca Recalcular os li e voltar ao inicio, ‘©-ponto, e considerar 0 grafico pronto para ser Nao monitoramento: i ponto, recalcular os limites e voltar ao Recalcular os limites e volrar Nao climinar Eliminar o de causas especiais. Depois de nies cortigir as deficiéncias, coletar (Ver comentarios no novas amostras, e voltar 1a inicio. texto sobre as opgées.) Figura 3.2. Estabelecimento de limites para o grdfico de controle. 52Tabela 3.3 Valores de X,, R,¢ R (excluindo o 12% subgrupo). T 1 1004,6 997,3 1003,0 1005,9 9958 | 101 2 1001,6 1008,6 997.9 1001,3 999.1 | 10,7 3 999,1 992,6 1001,1 1001,6 10029 | 103 4 1007,9 997.5 9913 997.8 1000,8 | 16,5 s 999.5 995,6 1004,3 95,6 9914 | 13,0 6 1003,3 996.8 997,2 993.6 1000,1 a7 7 1012,1 995.2 —1001,8 10022 | 169 8 995,3 990,0 997.5 10032 | 13,2 9 1001,4 1001,6 999,1 996.4 79 995.8 989,9 995.1 10028 | 12,9 1004,4 993,5 994.6 997,6 | 10,9 is | 10140 1008,9 + 1004,1 1007,9 1000.7 (s 14 1002,2 996,6 1002,7 +1004, 1001,8 7,6 15 998,3 997,5 1006,1 996.5 998,1 9.6 16 995.8 1000,8 999,1 1002,5 1001,0 67 7 1004,1 1003,0 1004.8 997.9 999.9 69 18 1000,1 994.9 10001 1004,9 9973 | 10,0 19 1000,2 9961 998,0 1006,1 999.4 | 10,0 20 1002,3 999.0 1000,8 1000,7 998,0 43 21 998.3 998,1 10042 1002.1 9913 | 129 22 997.1 1000,7 9998 10006 —«1001,7 46 23 1003,6 996,1 1001,4 998.0 9918 | 11,9 24 9999 1006.4 1005,1 999,8 1003,0 6.6 25 1007,3 999,8 9925 996.2 998.2 | 148 Re 10,5 53sig 7 oats 15: 37 a6, a1 es os Niimero ‘da amostra Figura 3.3 Gréfico da amplitude R (sem a 12° amostra). De acordo com a Figura 3.3, as amplitudes dos 24 subgrupos distribuem- se de forma aleatéria em torno da linha média, ¢ nenhum deles excede o limite superior de controle. Os limites para 0 grifico da média so calculados em fungao da média e do desvio-padrio do processo; os limites para o grafico da amplitude, apenas em funcao do desvio-padrao. Portanto, o grafico da amplitude pode ser construido com © processo desajustado: basta que ele esteja isento de causas especiais que afetem sua dispersdo. Isso porque um deslocamento A da média do processo provo- ca um deslocamento A em todas as observagoes, fazendo com que a dispersao das observagdes permaneca inalterada. O grafico da amplitude sé é sensivel a altera~ ges que afetam a dispersdo do processo; portanto, nao é afetado pelo deslocamento da média (e por isso nao é aplicavel ao monitoramento da média). Essa é a razao pela qual comecamos a construcao dos graficos de controle com 0 grafico da amplitude, pois, uma vez que este esteja estabelecido, o valor calculado de R/d, sera uma estimativa bastante confiavel do valor em controle do desvio-pa- dro do processo. Essa estimativa (6, = R/d,) sera utilizada na determinagao dos limites de controle do grafico da média. Diferentemente do grafico da amplitude, o grifico da média é afetado tanto por causas especiais que alterem a média do processo, quanto por causas especiais que afetem sua dispersao. Portanto, o grafico da média sé pode ser construido quando 0 proceso estiver isento de toda sorte de causas especiais, ou seja, quando o processo estiver ajustado e estavel. Por tudo que foi explicado, fica claro que, 54quando da construgao do grafico da média, devemos preocupar-nos apenas com a estimativa da média do processo, pois 0 desvio-padrao ja foi estimado. A Tabela 3.4 apresenta os valores deX,e x dos 24 subgrupos racionais de tamanho 5 (m = 24, en = 5), bem como a média das médias X. Sio 24 subgrupos, pois 0 122 subgrupo foi excluido quando da construcio do grafico de controle da amplitude. Utilizando as estimativas ji, = X = 1000,0 e 6, =4,514 (ja determinada) nas equacdes 3.6 a 3.14, obtemos os valores para os limites de controle e para a linha média do grafico de X: 6 514 LSC, =f, +322 =1000,0+3 2924 - 1006,1 ¢ = Ro Te E (3.28) LM; =fiy =1000,0 (3.29) LIC, =f, - 354 1000,0-3 574 =993,9 (3.30) 55Tabela 3.4 Valores de X,, X: e X (exclufdo 0 12° subgrupo). 1 1004.6 997.3 1003,0 ~——-1005,9 995.8 | 1001,3 2 | 1001,6 —1008,6 997.9 10013 999,1 | 1002,7 3 999.1 9926 1001,1 2001,6 1002.9 | 999.5 4 1007,9° 997,5 991,3 997,8 1000,8 | 999,1 s 999,5 995,6 10043 95,6 9914 | 997.3 6 1003.3 996,8 997,2 9936 10001 | 9982 a 99,7: 1012,1 9952 10018 +: 1002,2 | 1002,2 8 1000,1 995,3 990.0 997,5 1003,2 | 997,2 9 10043 © -'1001,4. -——-1001,6 999,1 996,4 | 1000,5 10 999,0 995.8 989,9 995.1 1002.8 u 1003.2 1004,4 993.5 994,6 997,6 [13 | 10140 10089 10041 1007,9 ~—~+1000,7 14 | * 1002,2 996,6 1002,7 1004,2 1001,8 15 998,3 997,5 1006,1 996,5 998,1 16 995,8 1000,8 9991 10025 ——-1001,0 7 10041 10030-10048 997.9 99,9 18 1000,1 994.9 1000,1 1004,9 997.3 19 1000,2 996,1 998,0 10061 99,4 20 1002,3 9990 1000,8 ~—»-1000,7 998,0 21 998,3 998,1 1004.2 ©1021 991,3 22 997,1 1000,7 999,8 1000,6 —-1001,7 23 1003,6 996.1 1001,4 998,0 991,8 24 999.9 10064 —-1005,1 999,8 1003,0 25 1007.3. 999,8 992.5 996.2 998,2 Na Figura 3.4, temos 0 grafico da média X . Agora, é a média da 13% amos- twa que esta acima do limite superior de controle. Todos os comentarios feitos para © 12° ponto, quando da construgao do grafico da amplitude, repetem-se aqui para © 132 ponto. 56Figura 3.4 Grdfico da média X (sem a 12% amostra). Excluidos, portanto, 0 12% e o 13° subgrupos, a Tabela 3.5 apresenta os valores de X,, bem como das médias X,, de 23 subgrupos racionais de tamanho 5 (m = 23 en = 5), cainda a média das médias, X . Os valores dos limites de controle e da linha média do grafico da média mudam para: i 6, 4,514 1SCz =fy +372 =999,7 +325 =1005,8 (3.31) LMy = fly = 999,7 (3.32) (3.33) Note que, com a eliminacao da 13? amostra, a média das amplitudes, R, no foi recalculada, pois o processo jé tinha sido considerado estavel com respei- toa dispersao durante a coleta da 13 amostra. A estatistica X foi recalculadasem o valor X do 13° subgrupo; portanto, diminuiu (passou de 1000,0 para 999,7). De acordo com a Figura 3.5, as médias dos 23 subgrupos distribuem-se de forma aleatéria em tomo da linha média, e nenhuma delas excede o limite superior de controle ou ¢ menor que 0 limite inferior de controle. 57Tabela 3.5 Valores de X,, X, € X (excluidos 0 12% e o 139 subgrupos), A 1004,6 997.3 995.8 2 1001,6 1008,6 997,9 1001,3 999,1 | 1001,7 3 99,1 992,6 1001,1 1001,6 1002,9 | 999,5 4 1007.9 997.5 991,3 997.8 1000,8 | 999,1 $ 999,5 995.6 1004.3 995.6 991.4 | 997.3 6 1003,3 996.8 997.2 993.6 1000,1 | 998.2 7 999,7 1012,1 995,2 1001,8 1002,2 | 1002,2 8 1000,1 995,3 990,0 997.5 1003,2 | 997,2 9 10043 10014 1001,6 999,1 996.4 | 1000,5 0. 999.0 995,8 989,9 995.1 1002,8 | 996,5 997,6 | 998,7 1002,7 1001,8 } 1001,5 1006,1 996,5 998,1 | 999.3 999,1 1002,5 1001,0 | 999,9 1004,8 997,9 999,9 | 1001,9 1000,1 1004,9 997,3 | 999.5 998,0 1006,1 999,4 | 999,9 1000.8 1000,7 998,0 | 1000,1 1004,2 1002,1 991,3 | 998.8 999,8 1000,6 1001,7 | 1000,0 1001,4 998,0 991,8 | 998,2 1005,1 999.8 1003,0 | 1002,8 992.5 996,2 998,2 | 998.8 X= | 9997 Quando da construgio dos gréficos de controle, o ideal é que todos os valores da amplitude e da média amostral caiam. respectivamente dentro dos limites de controle do grafico de R e do grafico de X. No exemplo que acabamos de apresentar, encontramos dois pontos fora dos limites de controle (um no grafico da amplitude e outro no grafico da média), e foram descobertas as causas que afastaram tais pontos dos demais. Desse modo, ficou clara a fragilidade do processo de empacotamento de leite quanto & ocorréncia de causas especiais. Duas 58delas foram diagnosticadas apenas porque geraram pontos fora dos limites de controle. Outras podem ter ocorrido ¢ nao ter sido detectadas. O ideal, nesse caso, seria melhorar a protecéo do processo quanto a ocorréncia de causas especiais e, ento, retirar novas amostras para a construcdo dos graficos de controle. A fase de estimacio dos parmetros do proceso (&s vezes chamada de Fase 1) s6 deve encerrar-se quando tivermos certeza de que, com respeito 4 dispersao e a centralidade, o processo encontra-se estdvel e ajustado. A partir de entdo, podemos utilizar os grdficos de controle para monitorar o processo (Fase 2). A cada meia hora de producao, retira-se uma amostra de cinco saquinhos de leite. Os valores de X eR de cada subgrupo racional s4o, entAo, plotados nos graficos da Figura 3.6. Seus limites nao devem mais ser alterados, a nao ser que 0 processo produtivo sofra mudangas permanentes (como, por exemplo, mudanga do tipo de bocal por onde © leite é injetado nos saquinhos). Monitorando 0 processo, basta um valor de X acima do limite superior de controle ou abaixo do limite inferior de controle do grafico da média, ou um valor de R acima do limite superior de controle do grafico da amplitude, para decidirmos intervir no processo (visando encontrar e eliminar alguma causa especial). ¥ 1006, 1002,0 998,0 | 994.0 Figura 3.5 Grdfico da média X (sem a 12%e a 13% amostras). 59Figura 3.6 do processo de empacotamento de leite).3.2 ANALISE DE DESEMPENHO DOS GRAFICOS DE X ER Agora que vimos como construir e utilizar os grdficos de controle, passa- remos a estudar sua capacidade de detectar perturbacdes no processo. Esse estu- do € importante nao sé para a determinagao do plano de amostragem, ou seja, 0 tamanho de amostra ne o intervalo de tempo entre amostras h, mas também para 0 estabelecimento dos limites de controle. O usual é distanciar os limites de controle, em relacdo a linha média, de exatos trés desvios-padrao da estatistica que estd sendo monitorada (média amostral X , amplitude R, ou outra). Contudo, nao existe uma razdo imperativa que torne obrigatéria a adogio do afastamento de trés desvios-padrao. Por exemplo, na secdo 3.7, que trata do projeto estatistico- econémico dos graficos de controle, a distancia dos limites de controle em relacao & linha média, é tratada como terceira varidvel de decisdo (n e h sao logicamente as outras duas). Em outras palavras, dependendo dos custos com as amostragens, dos prejuizos incorridos quando o processo esté fora de controle, e de outros fatores, pode, por exemplo, ser mais interessante distanciar os limites de controle de 3,1 desvios-padrao em relacdo a linha média. Inicialmente, sera estudada a eficiéncia isolada do grafico da média; em seguida, na subsecao 3.2.2, a eficiéncia isolada do grafico da amplitude e depois, na subsecio 3.2.3, a eficiéncia desse par de graficos quando utilizados em conjunto para detectar alteracdes na média e na dispersdo do processo. Subseqiien- temente, apés a secdo 3.3 (que trata de outros graficos de controle), sera avalia- do 0 desempenho do grafico da média quando regras suplementares de decisao forem incorporadas a regra tradicional, de um ponto fora dos limites de controle. Por exemplo, pode-se decidir também intervir no processo sempre que sete pontos conseeutivos cairem acima (ou abaixo) da linha média. 3.2.1 Grafico de X¥ Em um julgamento, discute-se por horas a fio o destino do réu, O veredic- to final sera: réu “inocente” ou, entdo, réu “culpado”. Infelizmente, dependendo da habilidade do advogado de defesa (ou de acusagiio), das evidéncias e da capacidade de discernimento dos jurados, podem-se cometer injusticas. Um inocente vai para a cadeia, ou mesmo para a forca. Um criminoso ganha a liberdade. Dis- pondo a questao em forma de teste de hipdteses, temos duas hipéteses mutua- mente excludentes H, ¢ H,: H,: Réu inocente (3.34) Hy: Réu culpado (3.35) 61Sea hipdtese H, for verdadeira (isto é, se o réu for inocente), nao estamos livres do risco de condend-lo erroneamente. Esse erro, de condenar um inocente, é chamado de erro do tipo I, e 0 risco (isto é, a probabilidade) de cometé-lo é chamado de (riseo) « . Por outro lado, se a hipotese H, for verdadeira (isto é, se o réu for culpado), entao existe um risco de inocenté-| lo: esse erro, que consiste em inocentar um criminoso, ¢ chamado de erro do tipo II. 0 risco (probabilidade) de incorrer nesse tipo de erro é chamado de (risco) 8. A Tabela 3.6 apresenta de forma condensada as decisdes acertadas e os erros do tipo! e II do teste de hipéteses, bem como as prababilidades dos acertos e dos erros. Os acertos € os ertos sao fungdo da realidade (hipotese H, verdadeira ou falsa) e da decisao tomada (aceitar ou rejeitar a hipotese H,). Tabela 3.6 Possiveis resultados de um teste de hipdteses. _ Voltemos agora aos graficos de controle, mais especificamente ao grafico de X Quando o grafico de X est4 em uso, monitorando um processo, amostras de tamanho n sao retiradas digamos a cada 15 minutos, ou a cada meia hora, eo valor da estatistica X , calculado para cada amostra, é plotado no grafico de controle. Esse dispositivo estatistico pode ser visto como uma seqiiéncia de testes de hipoteses, onde, a cada 15 ou 30 minutos, testamos sempre as mesmas hipéteses: H,; Processo em controle (3.36) H,: Processo fora de controle (3.37) ‘Outras maneiras de descrever as hipdteses H, ¢ H, sao: H,: Processo ajustado (3.38) H,: Processo desajustado (3.39) ou Hy: Proceso centrado no valor-alvo (3.40) H,: Processo nao centrado no valor-alvo (3.41) 62ou H,: Processo livre de causas especiais (3.42) H,: Processo sob a influéncia de causas especiais (3.43) ou, ainda: Hy: W=Ho (3.44) Hy: h# Uy (3.45) onde 1, € 0 valor-alvo ou 0 valor médio em controle da varidvel aleatéria X (no exemplo dos saquinhos de leite, 44 = 1000 ml). Como ja vimos, quando ha de antem&o um valor-alvo definido, € mais apropriado falar em valor-alvo. O monitoramento de um processo de enchimento de saquinhos de leite 6 um exemplo tipico: o valor-alvo de 1000 ml é pré-especificado. Em outras situagGes, quando 0 valor de 1,ndo é definido a priori (como no caso de um tempo médio de atendimento, que sd serd estimado com precisao depois que se tiver o registro dos tempos de atendimento de muitos clientes), € mais apropriado utilizar a expressao valor médio (ou valor médio em controle). A hipotese H, é aceita como verdadeira todas as vezes que o valor de X cair dentro dos limites de controle. Jé a hipdtese H, é aceita como verdadeira sempre que o valor de X cair fora dos limites de controle. ‘Comparando o monitoramento do processo com o julgamento do réu, um valor de X dentro dos limites de controle é 0 equivalente a julgar 0 réu inocente; um valor de X fora dos limites de controle € 0 equivalente a julgar o réu culpado. Se o processo estiver em controle (H, verdadeira), o representa 0 risco (probabilidade) de erroneamente considerar-se 0 processo fora de controle (alarme falso). Se o processo estiver fora de controle (H. [, verdadeira), B representa o tisco (probabilidade) de erroneamente considerar-se 0 processo em controle (nao- deteccao). A conseqiiéncia de ordem pratica associada ao erro do tipo | (alarme fal- So) é intervir no processo na hora errada, quando ele esta isento de causas especiais (0 que em si jd acarreta um custo - de interrup¢ao do processo, de mao-de- obra — além de um risco de desajustar um processo que estava ajustade); ea con- seqiiéncia de ordem pratica associada ao erro do tipo II (ndo-detecgao) € nao intervir no processo na hora certa, quanto ele esta sob a influéncia de causas espe- ‘ciais. — Dado que o processo é considerado em controle (“H, verdadeira”) quando X cai dentro dos limites do grafico ¢ fora de controle (“H, falsa”) quando X estd fora dos limites do grdfico, as probabilidades de alarme falso (c) e de nao- deteccao (B) sdo dadas por: 63= PriX > LSCy ou X 48) oe (3.48) esta terd distribuicao normal com média 1, =0 e desvio-padrao 6, =1. Quando o processo est em controle, p=) € G=Gy; portanto Hy =Hy © 0;=0,/vn. Figura 3.7 Grdfico de X: ocorréncia de um alarme falso.Figura 3.8 Distribuigées de Xe de X. Tradicionalmente, os limites de controle do grafico de X sao estabelecidos — usando os valores em controle dos parametros do processo, jt) € Gy — a + 3 desvios-padrao amostrais da linha média (LM = 1), ou seja, em Ly £36, / vn iver Figura 3.9. Se o processo estiver em controle, a probabilidade de um ponto X cair fora dos limites de controle assim localizados é, de acordo com a equacao 3.46, igual a ce = Pr{X > LSCy] + PriX 3] (3.51) A probabilidade Pr[|Z| > 2] paraz > 0 (que é equivalente a Pr[Z <—z ou Z> 3) = Pr[Z <-s) + Pr{Z > 2), ou ainda igual a 2Pr[Z > z]) esta tabelada, para valores de z entre 1,00 e 4,19, na Tabela Al do Apéndice A. Para z = 3,0 risco a 66.¢ igual a 0,0027. Entao, durante o periodo em que o processo permanece estavel € ajustado, portanto sob controle, essa é a probabilidade de o valor de X cair na regido de acao do grafico (acima do LSC, ou, abaixo do LIC); ou seja, é a probabilidade que cada amostra tem de gerar alarme falso. A distribuicao do mimero de amostras, L, que antecedem um alarme falso (incluindo a amostra que gera 0 alarme falso), é geométrica de parametro p = Pr{L=d)=pQ—p)*",d = 1,2,3,... (3.52) Por exemplo, na Figura 3.7 temos L = 7. A média da distribuicéio geométrica € igual a 1/p; portanto, o nimero médio de amostras até um alarme falso, NMAF, é igual a 1/«. Em outras pala- ‘vras, com limites de 3-sigma, teremos em média um alarme falso a cada 1/0,0027 = 370,4 pontos plotados, Caso 0 usuario considere essa freqiiéncia de alarmes fal- Sos inaceitavel, a alternativa consiste em alargar os limites de controle, por exemplo aumentar k de 3,00 para 3,10 (k é 0 fator de abertura dos limites de controle, ou seja, LIC=p, —ko, /Vn e LIC =), +ko, / Vn). Com k = 3,10, 0 risco de alarme falso diminui para 0,0019 e o tempo médio entre alarmes falsos aumenta para (1/0,0019) x h = 516,7 x h, sendo fh o intervalo de tempo entre retiradas de amostras. Se uma amostra é retirada do processo a cada 15 minutos, ent&o, em média, se tera um alarme falso a cada 516,7/4 = 129 horas de produedo. O risco « é fung&o apenas do fator de abertura dos limites de controle, k. Generalizando 3.51. temos: a= Prijzj>K) (3.53) Essa expresso vale para qualquer tamanho de amostra n (nnd afeta essa probabilidade de alarme falso, pois, embora 6, dependa de n, ele aparece tanto no denominador de 3.50 como no numerador, embutido nas expressdes de LSC. ry ede LIC, ; os limites de controle do grafico de X estdo sempre, por construgao, a uma distancia de koy da linha média). Se, por um lado, o tamanho de amostra, n, nao afeta a probabilidade de alarme falso, a, do grafico de X , por outro lado ele tem uma influéncia grande no risco de ocorréncia do erro do tipo II e no poder do grafico de controle, como veremos na préxima secao. Relembrando, a relacaio entre o poder do grafico, Pd, © 0 risco de ocorréncia do erro do tipo II, B é simplesmente: Pd=1-B (3.54) 67LIG =p, —koo (in ISG =119+koy/Wn ‘Tradicionalmente k = 3,00 Figura 3.9 Determinagao do risco de alarme falso (cr). [Link] Poder do grdfico de X Quando a hipétese H, é a hipdtese verdadeira (processo sob a influéncia de causas especiais), 0 ideal seria que o primeiro ponto plotado ja caisse fora dos limites de controle (sinalizando 0 estado de falta de controle). Contudo, isso nem sempre ocorre, especialmente se 0 deslocamento sofrido pela média do processo for pequeno. E usual expressar esse deslocamento em unidades iguais ao desvio- padrio da varidvel X, de forma que 0 novo valor da média, 111, pode ser escrito como [L, =H, +50, , portanto: pati cho % (3.55) De modo geral, se §1,5, entao rapidamente um valor de X cairé fora dos limites de controle. Caso contrario, existira certa inércia. Por exemplo, na Fi- gura 3.10, o sinal sé ocorre quando o 5° valor de X € plotado. Nessa Figura, a hipétese H, é verdadeira porque a média My da varidvel X é diferente de \1g;na verdade ela ¢ igual au, + 66,. A Figura 3.11 ilustra 0 calculo de Pd, poder do grafico de controle Kia probabilidade de um valor de X cair acima do limite superior de controle, Pr[X > LSC) =PriZ > Zzsc]; com Zise = (USC — Uz) / Gy = = [ly + koy — (ip + 809) ]/0 =k Vn , somada a probabilidade de um valor de 68X cair abaixo do Limite Inferior de Controle, Pr{X > LSC] = Pr{Z < LIC], com Zaye = (LIC = hy) / 6g =[llg — Ky = Up + 86,)]/ 0 =-k- BK. Como Pr[Z > 2] = Pr{Z < -2] (e portanto Pr[Z > LSC] = Pr{Z < -LSC]), chega-se, apés simplificacdes, a: Pd = PriZ<-k + 6vn] + PriZ <-k-8vn] (3.56) As probabilidades Pr{Z < ~z], para valores de z entre -3,99 e 3,99, encon- tram-se na Tabela A2 do Apéndice A. No caso em que k = 3,00, 8=1,00,e n= 4, teremos Zj¢- =k— BVn= 1,00,¢e Zi = -k-3Vn 3,00 . Portanto, Pd = Pr[Z < -1,00] + Pr{Z <-5,00] = 0,1587 + 0,0000. A distribuicdo do niimero de amostras, M, que antecede um alarme verdadeiro (incluindo a amostra que gerou o sinal, ou seja, a amostra cujo valor X nao pertence ao intervalo delimitado pelos limites de controle) é geométrica de parametro p = Pd: Pr[M =m] = p(—p)"*, m = 1,2,3,... (3.57) Por exemplo, na Figura 3.10, M = 5. A média da distribuicdo geométrica de pardametro p é igual a 1/p; portan- to, o ntimero médio de amostras até um alarme verdadeiro ¢ igual a 1/Pd. Em outras palavras, so necessdrias em média 6,3 (= 1/0,1587) amostras de tamanho 4 para se detectar um deslocamento da média de um desvio-padrao. Com amostras maiores, o ntimero médio de amostras até a deteccdo reduz-se. Exemplo, seia n =9, entao Z, = Oe Pd = 0,50, ou seja, sao necessarias, em média, apenas duas amostras de tamanho 9 para detectar o mesmo deslocamento da média. Como o intervalo entre amostras h é constante, ao aumentarmos o tamanho das amostras, o tempo médio até a deteccdo também reduz-se. Como, apés a ocorréncia da causa especial, o processo permanece fora de controle até a deteccdo (que é quando se intervird nele para reajusta-lo), ao se investir mais em inspegdo (pelo aumento do tamanho das amostras), reduzem-se em compensacio (pela reducao do tempo médio até a deteccao) os prejuizos incorridos com um processo que opera fora de controle. A Tabela 3.7 apresenta valores de Pd para diferentes combinacGes de § e de n. A Figura 3.12 apresenta as curvas de Pd versus 0 deslocamento 6, paran = 2,3, 4,5,9¢ 16. 69X ~N(uz56,) ~NU, +86,36,/ Vn) Al dei ISC =u,430; (dR larme verdadeiro HG =p, -36,/vn 15 30 45 60 75 90 Minutos Figura 3.10 Grdfico de X: ocorréncia de um alarme verdadeiro, LIC =) —koy/in = LSC =, +ko,/Vn is ene Tradicionalmente k = 3,00 Figura 3.11 Determinagdo do poder (Pd) do grdfico de X. 70Tabela 3.7 Valores de Pd para diferentes combinacées de ne de §- Figura 3.12 Curvas de Pd versus 5. 71[Link] Medindo a rapides de detecgao de descontroles A medida de eficiéncia mais usual dos graficos de controle é o NMA, numero médio de amostras até o sinal. A Figura 3.13 apresenta as curvas do NMA versus o deslocamento §. Exemplo, em média, sao necessdrias 10 amostras (NMA = 10) de tamanho 3 (n = 3), ou 2 (NMA = 2) de tamanho 9 (n = 9) para 0 grafico sinalizar um deslocamento na média do processo de um desvio-padrao (8 = 1,0). NMA = 1/Pd (3.58) 0.5 0,75 1 1,25 15 175 2 6 (eslocamento) Figura 3.13 Curvas de NMA versus 6. Sintetizando: o nimero de amostras até o sinal segue uma distribui¢ao geométrica de parametro p, independentemente de se tratar de alarme falso ou verdadeiro. Se a hipétese H, for verdadeira (1=1,) , entdo p = a; se a hipétese H,, for verdadeira (1 +1.) , entéo p = Pd. A média da distribuicao geométrica de parametro p ¢ igual a 1/p; portanto, sob a hipdtese H,, NMA = 1/Pd; sob a hipé- tese H,, NMA = 1/a, sendo entéo chamado de NMAF (mimero médio de amostras até um alarme falso). As Figuras 3.14 e 3.15 apresentam a curva de probabilidades de nao- detecgao, ou seja, probabilidade de todos os i primeiros valores de X apés o 72desajuste cairem dentro dos limites de controle. Na Figura 3.14, o tamanho da amostra é fixo (n = 4), e as velocidades de deteccao de dois diferentes deslocamentos da média, de 1,0 e 1,5 desvios-padrao, sfo comparadas. A Figura 3.14 mostra que, com um tamanho de amostra igual a quatro, um deslocamento da média da ordem de 1,5¢ (isto ¢, § = 1,5) terd sido detectado com certeza até a 7* amostra (em outras palavras, terd sido detectado ou na 14, ou na 23, ouna 74amos- tra); contudo, um deslocamento de 5 = 1,00 tem aproximadamente 30% de probabilidade de passar despercebido apés a retirada e andlise da 78 amostra (ou seja, ‘ha cerca de 30% de chance de que os sete valores de X caiam dentro dos limites de controle). Seja M o ntimero da amostra que sinaliza o desajuste. De acordo com 2 Tabela 3.7, teremos, para 8 = 1,00, Pr[M = 1] = 0,159. A probabilidade Pr{M = mJ, para m = 2, 3,..., também foi calculada, de acordo com a equacao 3.57: ver a Tabela 3.8. Com os dados da Tabela 3.8, confirmamos que Pr[M > 7] = 0,30, ou seja, um deslocamento de 8 = 1,00 tem 30% de chance de passar despercebido apds a retirada e andlise da 74 amostra. As curvas da Figura 3.14 tém a finalidade de “chocar” o leitor quanto ao seguinte fato: os graficos de X so geis na deteccao de grandes deslocamentos da média ( = 1,50), porém lentos no caso de deslocamentos moderados (6 = 1,00). Probabilidade (%) oB88Ssssss 4 u wo 4 s 6 oe 8 9 10 Figura 3.14 Curva de probabilidades de ndo-deteccdo (n = 4). 73Tabela 3.8 Fungao de probabilidade e distribuigéo acumulada do ntimero de amostras aré um alarme verdadeiro, para n = 4 e 6 = 1,00. 0,16 0,84 x 0,16 0,847 x 0,16 0,84* x 0,16 0,84% x 0,16 0,84" x 0,16 0,84° x 0,16 A interpretacao das curvas da Figura 3.15 é similar, s6 que agora o deslocamento 6 é fixo (8 = 1,00) ea eficiéncia dos grdficos de controle X,comn = 4 en = 9, € comparada. As curvas da Figura 3.15 tém a finalidade de “chocar” o Jeitor quanto ao seguinte fato: com amostras grandes (n = 9), os graficos de controle X s&o ageis na detecgSo de deslocamentos moderados da média (6 em torno de 1,0), porém sao lentos no caso de amostras pequenas (n = 4). Probabilidade (9) Figura 3.15 Curva de probabilidades de ndo-detecgdo (6 = 1,00). v43.2.2 Grdfico de R: andlise de desempenho © grafico de controle da amplitude R serve para detectar alteragdes na variabilidade do processo. As hipéteses H, e H, associadas ao grafico R so: Hg iG=6, 59) Hy, :6#65 (3.60) sendo 6, 0 valor do desvio-padrao do processo quando isento de causas especiais que afetem a variabilidade de X. Quando a hipétese H, é verdadeira, existe o risco a de um valor de R cair fora dos limites de controle, sinalizando erroneamente um estado de falta de controle. Quando a hipétese A, é verdadeira, existe orisco B de um valor de R cair dentro dos limites de controle, nao sinalizando 0 estado de falta de controle. Em termos formais: a=1—Pr{LIC, 00027 UCR=0 tp =d259 SCR =dy09+3dyqn dyeg— 3369 Figura 3.17 Distribuigéo da amplitude R ¢ limites de 3-sigma, A distribuicdo amostral de R depende do desvio-padrao dos valores de X que comp6em as amostras. O cdlculo da probabilidade de uma amplitude amostral R ser menor que dado valor R, nao é simples; ver o Apéndice B. A alternativa usual é tabelar tais probabilidades (essa pratica jé ¢ adotada no céleulo das probabilidades acumuladas de variaveis aleatérias com distribuicao normal padrao; ver a Tabela Al do Apéndice A). Todavia, teriamos que construir infinitas tabelas, uma para cada valor de 6. Contudo, a distri bui¢ao da varidvel W = R/o (chamada de amplitude relativa) depende apenas do tamanho da amostran. A probabilidade Pr{W sw, | 1 = ng] foi tabelada para varios valores de w, ¢ de n,; ver a Tabela B do Apéndice A. Com essa tabela, podemos obter a probabilidade Pr[R < Rg] para qualquer valor de g, pois Pr[R < Ry] = PrfW sR,/o]. Em particular, podemos determinar o risco 0. associado ao grafico de controle R, pois: 1-@=PriLIC, SRS LSC, | n=n,30=6,]= = Primax {0,(d,—3d,)3)}< R<(d, + 3d,)o9| n=136=09] (8.63) Dividindo todos os membros da dupla inequacao por o = G,, obtemos simplesmente: 761-a=Pr[max{0, (d, -3d,)} LSC, = (d, + 3dy)0q| n =noj 0 = 209 J= =o[w=B> Ge*h)*e) pa njo=205|= (.65) =P [wo atte 43d | 2 Por exemplo, para n = 5, Pa= or[w> 2 t3e 48 42 =2,46|n= 3] 1-0,59=0,41 (3.66) De maneira geral, portanto, quando o desvio-padrio do processo sofre aumento de fator de 1, indo de 6, para um valor G, =A6,, 0 poder do grafico de Ré dado por: dt ue Pd=Pr [w > | (3.67) A Tabela B do Apéndice A foi construida sob a hipatese de que a varidvel aleatéria X tenha distribuicdio normal. Caso isso nao seja verdade, entao os valo- a7res dessa tabela devem ser utilizados com algum cuidado. A Figura 3.18 permite obter Pd diretamente. Basta interceptar a curva de n = 5 pela reta vertical = (6, /6)=2 para se ter o valor do poder: Pd = 0,41. Com uma amostra me- nor, o poder reduz-se (para n = 2, a reducdo é de 50%: Pd = 0,20; e com uma amostra maior, 0 poder aumenta (100% com n = 16: Pd = 0,80). Pd 1 0,9 0,8 0,7 ——n=2 06 —e-n=3 0,5 shon=5 04 —ne Ben =16 10 255. 2,0 25 3,0 3s 40 2% Figura 3.18 Curvas do poder Pd versus 4. A Figura 3.19 apresenta as curvas de NMA (= 1/Pd) versus 2. Em média, sao necessirias 5 amostras de tamanho 2, ou entao 3 amostras de tamanho 4, para se detectar um aumento de 100% (2 = 2) no desvio-padrao do proceso. 78#§ 2 8 7 6 S 4 3 2 1 Figura 3.19 Curvas de NMA versus 1. Uma alternativa na construcao do grafico da amplitude R consiste em utilizar limites que levem a uma probabilidade predeterminada de alarme falso. Por exemplo, para a = 0,002, isso é conseguido usando limites tais que LIC, /S)=Wogm (isto €, 0 valor de w tal que Pr[W Wo 999] = 0,001), respectivamente. Assim, obtém-se caudas com areas (ou probabilidades) iguais, ou seja, areas de 0,1% (= a/2) cada uma. Se a Hipétese H, for verdadeira, e a distribuicdo de X for normal, entio a amplitude amostral R tera 0,1% de probabilidade de ser menor que o Limite Infe- rior de Controle e 0,1% de probabilidade de ser maior que o Limite Superior de Controle. Os limites sao: LSCp = Wo 9080 (3.68) LUGy = Wooo (3.69) Note que 0 LIC, calculado dessa forma nunca sera negativo, Por exemplo, para n = 4, a consulta 4 Tabela B do Apéndice A fornece- nos os seguintes limites: LSCy =5,316) (3.70) LIC, = 0,208, @.7) 79A linha média do grdfico nao é afetada pela escolha dos limites de controle, ¢ continua sendo dada por: LM, = 436, (3.15, repetida) A vantagem dessa abordagem € que melhorias no processo (caracteriza- das por redugao na variabilidade) podem agora ser detectadas (quando um valor de R fica abaixo do limite inferior de controle). A outra vantagem esta na redu- 0 do risco de alarme falso (o limite superior de controle foi alargado: com, pare Wo,0980p , que no exemplo dado (paran = 4) éigual a 5,316,,com (d, + 3d,)6, , que para n = 4 resultaem 4,706, 3.2.3 Graficos de X e R: andlise do desempenho conjunto 0 grafico de X serve para detectar mudancas na média do processo, enquanto 0 grafico da amplitude R serve para detectar alteracdes na variabilidade do processo. Desse modo, as hipdteses H, e H, associadas ao uso conjunto dos graficos de X eR, sdo: Ay if=y @ G=c, (3.72) Hy ipo C/ou CFG, (3.73) [Link] Probabilidade conjunta de alarme falso Se a hipdtese H, for verdadeira, existiré o risco @ de um valor de X ou de R cair fora dos limites de controle, sinalizando indevidamente um estado de falta de controle. Se Oz ¢ 0, sao respectivamente os riscos de alarme falso associados aos graficos de controle X e R, entao: (3.74) onde: a, =1-Pr[LIC, <¥< LSC; |=; 6= 65 ] (75) O, =1-Pr[ LIC, LSC, |a=n,;6=0,]= = Pr[X Ho +koy /Vn|n =1y30 =0,]= opr] cte Bet] z tat tea/ th « 6, /Jn o,/Jn =Pr[Z<-(k + 8Vn)/A]4 PriZ > (k—-8¥n)/2] (3.82) como Pr{Z>z]=Pr[Z<-z], temos: Pdy = Pr{Z < ~(k + 8Vn)/A1 + PriZ <(-k + 5Vn)/ 0] (3.83) Ka N(uyi0g) = Neg + 8095 409 //A) 1S 30 45 60 75 90 Minutos Figura 3.20 Grdfico de controle de X — ocorréncia de um alarme verdadeiro (processo desajustado e com variabilidade excessiva). 82A Figura 3.20 mostra, no grafico de controle de X, a ocorréncia de um alarme; trata-se de um alarme verdadeiro, pois, além de a média do processo ter saido do alvo j1,, a variancia aumentou. Nessa Figura, a Hipétese Hy ¢ falsa, pois tug e 6AG,.A Figura 3.21 auxilia a compreensao do cdleulo do poder do grafico de controle X. UC = fig key Vn X=N(eo +Sooi709/¥") kB -Bnn b-SMA pets) ae Figura 3.21 Determinagdo do poder do gréfico de controle de X (processo desajustado ¢ com variabilidade excessiva). Exemplo A: Suponha que a média do processo aumentou de 0,5 desvios- padrao (§ = 0,5) eo desvio-padrao dobrou (A = 2). Entao, paran = 4e LSC, dado por (3.79): Pdy = PrlZ<—{(k + 8Vn)/ Al + riz <(-k + BV) /Al = = Pr(Z <~(3,24+0,5xV4) /2=-2,12)+ PriZ<(-3,24+0,5V4)/2=-1,12] = = 0,0170+0,1314=0,1484 (3.84) Os valores de Pr[Z < 2] foram retirados da Tabela A2, do Apéndice A. Da Tabela B, do Apéndice A, obtém-se: Pd, =1—PrlW $5,25/2]=1-0,75 =0,25 (3.85) Finalmente, Pd = 0,1484 + 0,25 — 0,1484 x 0,25 = 0,3613. 83Duas observagées importantes: (a) Caso a variancia nao tivesse aumentado (2 = 1,00), teriamos: Pd = PriZ <{k+8vn)/2) + PriZ <(-k+8Vn)/2) = Pr{Z <-(3,24 +0,5 V4) /1 =—4,24]4 PriZ <(—3,24+0,5V4)/1 =-2,24] = =0,01255 (3.86) e Pd =Pdy + @g — Pda, = 0,01255 + 0,0012-0,01255x0, 0012 ~ 0,01374 (3.87) (b) Caso a média nao se tivesse alterado (6 = 0): Pd, =2xPr[Z <-3,24 /2=—1,62] = 0,1052 (3.88) Pd = Pd; + Pd, — Pd, Pd, = 0,10524 0,2500(1 - 0,1052) = 0,3289 (3.89) No caso (a), Pd reduz-se consideravelmente, passando de 36% para apenas 1,4%. Sem o grafico da amplitude, o poder de deteccdo praticamente nao se altera (passa de 1,4% para 1,3%). No caso (b), Pd; independe do tamanho da amostra. Sem o grafico de controle de X , o poder de deteccao reduz-se (passa dos 33% para apenas 25%), embora a média do processo nao se tenha alterado. Note ainda que, mesmo que a média nao se altere, o poder conjunto dos graficos de X e R para detectar aumentos na dispersao do processo é maior que o poder individual do grafico de R, pois um aumento na disperséo aumenta a probabilidade de um valor de X cair na regido de agao do gréfico de médias. (A re- ciproca no verdade, pois o grafico de R nio ¢ sensivel a alteragdes na média do proceso.) Exemplo B: Suponha agora que a média do processo deslocou-se do alvo cerca de 0,5 desvios-padrdo e que o desvio-padr4o do processo aumentou em apenas 20% (A =1,2). Entio: Pay, = PriZ<—(k +B) /M]+ PriZ <(-k+ BV) /2) = Pr{Z <-(3,24+0,5x V4) /1,2=-3,53]+ PriZ < (-3,24 + 0,5V4) /1=-1,87]= = 0,0307 +.0,002=0,0309 (3.90) Pd, =1—Pr{W $5,25/1,2=4,375]=1-—0,9890=0,0110 (3.91) 84Pd = Pd, + Pd, — Pd; Pd, = 0,0309 + 0,0110(1—0,0309)=0,04156 (3.92) Comparando os exemplos A ¢ B, verificamos uma diferenca grande no poder global Pd. Quando o aumento no desvio-padrao é de 100% (exemplo A), Pd = 33%; para um aumento de apenas 20% (exemplo B), Pd = 4,2%. A Figura 3.22 apresenta a Curva de Probabilidades de Nao-Deteccdo: a probabilidade de os graficos de X_e R ainda nao terem sinalizado —ou seja, de todas as L primeiras observagGes de X e R apds 0 desajuste cairem dentro dos limites de controle. Na Figura 3.22, sio comparadas as situades dos exemplos Ae B. Por exemplo, até a 7° amostra é quase certo que a0 menos um dos dois graficos, X ou R, jd terd sinalizado um desiocamento de 0,5 desvio-padrao na média acompanhado de um aumento de 100% na variabilidade (na situagéo do Exemplo A); no entanto, até a 10* amostra, existe probabilidade superior a 60% de os graficos X e R nao terem sinalizado um deslocamento de 0,5 desvios-padréio na média acompanhado de um aumento de 20% na variabilidade (na | situagaéo do Exemplo B). Percebe- mos assim que os grificos de controle de X e R nao sao indicados para 0 monitoramento de processos sujeitos a pequenas perturbacées. Em situacdes como essa, 0 usuario deve recorrer a outros tipos de graficos, por exemplo, o das somas acumuladas (CUSUM), que sero vistos no Capitulo 7. 100 90. 80 70 60 50 40 Probabilidade (%) 30 | 20 | Dearest gage ear ee ae a 2 3 4 5 6 7 8 9 10 ‘Numero da amostra —ExemploB _—C ExemploA Figura 3.22. Curva de probabilidades de ndo-detecgdo (exemplos A ¢ B). 853,3. GRAFICOS ALTERNATIVOS AO GRAFICO DE R PARA MONITORAMENTO DA DISPERSAO DO PROCESSO 3.3.1 Grafico da variancia $?: construgao e andlise de desempenho Similar ao grafico da amplitude R, 0 grafico da variancia $? serve para detectar alteragées na disperso do processo. Os pontos amostrais no grafico da varidineia sao valores da estatistica $* (variancia amostral) de cada amostra: (3.93) onde X, éa média dos valores X,, da caracteristica de qualidade X dos n elementos da i-Esima amostra. Por conta da simplicidade do cdlculo da amplitude amostral R, 0 grafico de R tem sido mais utilizado que o grafico da varidncia S* ou do que o grafico do desvio-padrao $ (que sera visto mais adiante). Para amostras grandes, o grdfico da varidncia e o do desvio-padrao sao mais eficientes que o da amplitude; porém, para amostras menores, 0 grafico de amplitude é, em termos praticos, tao efi- ciente quanto eles. A diferenga sé comega a fazer-se sensivel para amostras de tamanho a partir de dez unidades. ‘A menos de um fator constante igual a (n—-1)/°, a estatistica S* distribui-se conforme uma distribuigao do tipo x? com n — 1 graus de liberdade; para detalhes, consulte o Apéndice C. -1 = ~Ga (3.94) Os valores 72 ,,, da distribuicdo de qui-quadrado foram tabelados para diversos graus de liberdade (valores de n - 1) € probabilidades p, sendo p=Priyi., >x2.1p]: ver a Tabela D do Apéndice A. Para um risco de alarme falso ot, sendo 6% a estimativa da variancia do processo quando isento de causas especiais, a linha média e os limites de controle sao dados por: 862 LSC, = 6 Xx 2 n=1™nie/2 (6.95) IMg = (3.96) (3.97) ind dont (2 # Se for desconhecida a variancia do processo, entao se utiliza a estimativa =, baseada em m amostras de tamanho n, retiradas do processo durante um periodo em que o mesmo seja suposto estar em controle. Procede-se de maneira andloga ao que foi feito para o grafico de R, na secao 3.1, inclusive examinando eventuais pontos fora dos limites de controle e revendo — isto , recalculando - os valores dos limites, sé necessdrio, pois esse é o procedimento a adotar na cons- truco de qualquer grafico de controle de Shewhart. A estimativa §° é dada por: se (3.98) onde cada 5? é dado por (3.93). Note que, usando o estimador §°, a linha média do grafico da variancia coincide com a varidncia média obtida das amostras: ze IMg (3.99) Em outras palavras, a linha média, que representa a média estimada da varifncia amostral, é dada simplesmente pela média aritmética das varidncias amostrais calculadas. Com a Tabela D do Apéndice A, é possivel obter os limites: de controle; basta escolher o tamanhe da amostra ne 0 risco «. Sejam n = 5 e & = 0,005; entao: & ny? 16,4265 ISCo = =o 24,1167 ; Yao iame ae 18 a 6 42 014565, ‘i Nha 4 ton) Para efeitos de comparacao com o grafico de R da Tabela 3.9, paran = 5 (com LIC = 0; LSC = 4,920,; e 0. = 0,47%), 0 limite inferior de controle do gré- fico da variancia sera descartado, e seu limite superior de controle sera recaleulado 87para um risco o de 0,5% (valor da Tabela D mais préximo de 0,47%). O valor do LSC se reduzird para; 2 _ 14,8663 Kine” 4 '4:0,005 = =3,7265 (3.102) Também é pratica adotar limites “de 3-sigma” para o grafico $*. Denotan- do por o? a variancia X, a média e a variancia da variavel aleatéria S* sio dadas respectivamente por: Hy = 0? (3.103) (3.104) rao: (3.105) (3.106) (3.107) onde 63 € valor estimado de oj, a variancia de X quando o processo esta isento de causas especiais. Se for desconhecida a variancia do processo, utiliza-se a estimativa 5? dada por (3.98), e obtida a partir de m amostras de tamanho n, retiradas do processo durante um periodo em que o mesmo seja suposto estar em controle. ‘Com a Tabela D do Apéndice A, é possivel também obter o poder Pd do grafico da variancia, quando o desvio-padrao o do processo aumenta, passando. de 6) para G, =Ady: Pd = Pr(S* > LSC,, |6* = 0; = 2765) (3.108) Multiplicando ambos os membros da desigualdade dentro dos parénteses n-1 por (= } @ equacao acima torna-se: 88(3.109) @.110) Pd ox. Note que essa expressao 3.110 vale tanto para limites de 3-sigma como para limites ajustados para um risco o: predefinido. No caso de limites de 3-sigma, substituindo, em 3.110, LSC,. por sua ex- Pressdo 3.105, chegamos a: renlowlSeNeslt -olye, 2 ( rd | G11) Jano caso de limites ajustados para um risco « predefinido, podemos subs- Stuir, em 3.110, LSC,. por sua expresso 3.95 (considerando coincidéncia per- feita entre 62 ¢ seu estimador 62), 0 que leva a: 2 RNs et vam oS heal hoe ae @.112) Obviamente, no caso de grafico apenas com o limite superior (LIC = 0), 2 z ‘€nldio nessa expressao 3.112, em vez de Keene devemos usar XM roe Por exemplo, consideremos o grafico do exemplo anterior, utilizando @mostras de tamanho 5, com LIC = 0 e LSC calculado para fornecer & = 0,005 (SC = 3,72.62, pela equacSo 3.102). Suponhamos que 0 desvio-padrao 6 do pro- ‘sesso dobre, passando de oy para 0, = 20, . Entao, usando 3.110, chegamos a: 2 (S=1 2 Pd= aly, (ia p 723 =Pr[y® >372|-0.44¢ ens) Com 0 grafico da amplitude, o poder Pd é de 41% (ver a expresso 3.66). 893.3.2 Grafico do desvio-padrao S: construcao e andlise de desempenho Similarmente aos graficos da amplitude R e da variancia S*, 0 grafico do desvio-padrao S também serve para detectar alteracées na dispersao do processo. Os pontos amostrais no grafico do desvio-padrao sao valores da estatistica $ (desvio-padrao amostral) de cada amostra: (3.114) onde X; éa média dos valores X,, da caracteristica da qualidade X dos n elementos da i-ésima amostra. A distribuigde da estatistica S nao tem sido tabelada. No entanto, como, para qualquer valor de a > 0, Pr[S? > a?]=Pr[S >a], podem-se obter os riscos « e B associados ao grafico do desvio-padrao, com o auxilio da tabela de qui-quadrado. E, da mesma forma que foi feito para o grafico de S*, podem-se adotar limites para o grafico de $ que correspondam a um risco « pré-especificado. Esses limites so dados pela raiz quadrada dos membros direitos das expressdes (3.95) e (3.97) (a linha média do grafico, porém, é dada pela expresso 3.118 adiante, e nao pela raiz quadrada do membro direito da expressdo 3.96). No entanto, é pré- tica comum adotar limites “de 3 sigma” para o grafico de S. Denotando por o 0 desvio-padrio da varidvel X, a média e a varidncia da varidvel aleatéria S s40 dadas respectivamente por: My =€.0 (3.115) 92 =(1-c?)o” (3.116) Para detalhes sobre a distribuicdo de S, veja o Apéndice C. Assim, os limites de 3-sigma e a linha média do grafico do desvio-padrao serio: LSC, =¢48 +3V1—c3 Sp (3.117) LM, = ¢48 @.118) ky é 2g UIC, = max{o, C48 -3y1—2 oo} @.119) 90onde 6, € 0 valor estimado de o,, 0 desvio-padrao de X quando o processo estd isento de causas especiais. Quando 0 desvio-padriio do processo é desconhecido ¢ precisa ser estimado a partir de m amostras de tamanho n, retiradas do processo durante 0 periodo em que 0 mesmo € suposto estar em controle, utiliza-se (principalmente no caso de se estar utilizando o grafico de X em conjunto com um grafico de S) 0 estimador: S.=8/e, (2.6, repetida) lembrando que: s ds m (2.7, repetida) Note que, analogamente ao que ocorre com o grdfico de R, quando se usa S,,como estimador para 6,, 0 valor calculado para a linha média do gréfico (ver equa¢ao 3.118) coincidira com o valor de S$ calculado com base nas amostras iniciais: 0 valor esperado de S é estimado por S. 3.4 GRAFICO DE CONTROLE DE X COM REGRAS SUPLEMENTARES DE DECISAO Aregra de decisio proposta por Shewhart, quando da criago dos graficos de controle, é bastante simples: um ponto amostral dentro dos limites de controle de 3-sigma significa que o operador nao deve intervir no processo; um pon- to fora desses limites significa que o operador deve intervir no processo em busca de causas especiais. No entanto, apés a criacdo do grafico de controle, surgiu um ntimero infindavel de novas regras de decisao, todas com o propésito de acelerar a deteccao de alteragGes no processo. Em geral, essas regras sao definidas apenas para o grafico de X. Muitas das regras suplementares tentam formalizar a per- cepcao intuitiva do operador de que algo no processo pode estar fora de ordem. Tal € o caso, por exemplo, da ocorréncia de uma seqiiéncia muito grande de pontos amostrais de um mesmo lado (ou seja, todos acima ou todos abaixo) da linha média, ou ainda da ocorréncia de dois ou mais pontos dentro, porém préximos, dos limites de controle. Ao se incorporarem regras suplementares de decisiio, a protecdo contra alarmes falsos decai, ou seja, o risco @ aumenta. Dependendo do miimero de regras adotadas, esse risco pode atingir niveis absurdos. Imagine um 91dispositivo contra roubo em bancos que apresente os dois tipos de deficiéncias associadas aos testes de hipdteses, ou seja, os riscos de erros dos tipos Ie Il. Para as hipoteses H, e H, Hy: © banco néo esté sendo roubado (3.120) H,: o banco estd sendo roubado (3.121), O risco & (de ocorréncia do erro do tipo I) representa o risco de o dispositivo disparar sem que o banco esteja sendo roubado, ¢ o risco B (de ocorréncia do erro do tipo TI) representa o risco de o dispositivo nao disparar durante 0 roubo. Logicamente, utilizando-se varios desses dispositivos, aumenta-se a chance de ao menos um deles disparar durante o roubo. Contudo, aumenta-se também a ocor- réncia de alarmes falsos, ou seja, de que algum dispositivo dispare sem que o banco esteja sendo roubado. Se a freqiiéncia de alarmes falsos € alta, a equipe de prote- Gao passa a desacreditar dos dispositivos, e acabar4 deixando de responder ao disparo dos mesmos. Analogamente, se, pelo uso de regras suplementares, o gr- fico de controle passa a produzir muitos alarmes falsos, ent&io perde-se a credibilidade nesse dispositivo estatistico. Para exemplificar, suponha que um sinal seja produzido sempre que 6 pontos consecutivos caiam todos de um mesmo lado, abaixo ou acima, da linha média. Ora, se 0 processo estiver em controle, ou seja, estavel e ajustado, entdo o risco de um alarme falso pelo critério dos 6 pontos é de 0,55 = 0,0313, portanto quase 12 vezes maior que a probabilidade de um alarme falso associada 4 regra basica de controle de um tinico ponto fora dos limites de 3-sigma (« = 0,0027). Uma notacdo simples e geral para descrever diferentes regras de decisao. 6 (L:m; a:b), coma seguinte interpretagio: no grafico de X, um sinal ocorre sempre que, dentre os m tiltimos pontos, ao menos L estiver entre Hy +46; € Hy + box. De acordo com essa notac4o, a regra bdsica “um ponto fora dos limites de controle” é expressa como C,:(1; 1; k; =) ou (1; 1; =; -k), sendo k = 3,00 no caso dos limites usuais de 3-sigma. A Tabela 3.10 apresenta algumas regras suplementares de decisao. A Figura 3.23 ilustra a ocorréncia de um alarme pela regra de decisdo C,. LSA ¢ LIA sao chamados limites de adverténcia. Tabela 3.10 Algumas regras suplementares de decisdo. Cy2 (2s 2; 2s 69) ow (2; 2; —e0; —2) C25 3; 25 =) ou (2; 3; —e; —2) C,:@; 4; 1,6; ©) ou (3; —1,6) C,: (8; 8; 0; =) ou (8; 8; ~e9; 0) (Cg: (10; 10; 0; 0) ou (10; 10; —e; 0) 92A inclusao de novas regras de deciséio implica sempre um aumento na in- cidéncia de alarmes falsos. Com a regra C, isoladamente, sabemos que para = 3,00 a freqiiéncia média de alarmes falsos é de 1 para cada 370,4 inspegées. Com as expresses do Apéndice D, é possivel obter a freqiiéncia esperada de alarmes falsos para as combinacOes de regras da Tabela 3.11. x ISC =p +3 A ISA = 1194 209/n TM = He: HA = 15-20, /Jn: HC = 1g ~309/Vn 15.30 45 60 75 90 105 Minutos gura 3.23 Ocorréncia de um alarme pela regra de decisdio Cy. jabela 3.11 Freqiiéneia de alarmes falsos no grafico de X com regras suplementares de decisao. 1a cada 370,4 inspecdes 1a cada 278,0 inspegdes 1 a cada 25,5 inspecdes 1 a cada 286,2 inspecdes 1 a cada 152,8 inspecies 1a cada 273,8 inspecaes ‘Os valores da Tabela 3.11 sé confirmam o que ja sabemos: que, se a utili- mcao de regras suplementares por um lado agiliza a deteccSo de mudancas na édia do processo, em contrapartida ela diminui a protecao contra os alarmes 93falsos. Para manter o nivel de protegao contra alarmes falsos proposto por Shewhart (em média um a cada 370,4 inspecdes), quando se utilizam regras suplementares de decisdo, sé ha uma alternativa: alargar os limites de controle, aumentando 0 valor de k. Apenas a regra C, depende de k; C,: (1, 1, k, 00) ou (1, 1,-00, -k). Tabela 3.12 Valores de k que garantem o = 0,0027. Os novos valores de k, para as combinagées de regras (,e€, C,eC,,¢, eC,,eC, ¢C,), estao na Tabela 3.12. Com os novos valores de k, todos os esque- mas tém a mesma freqiiéncia de alarmes falsos: 1 a cada 370,4 inspecdes, em média. Com a combinacao de regras (C,, C,}, nao é possivel obter a protegao de- sejada contra alarmes falsos, mesmo aumentando 0 valor de k. De posse dos novos valores de k, podemos comparar a velocidade do grafico de controle X em sinalizar altera¢des na média do processo quando sao adotadas diferentes combinacoes de regras de decisdo. A velocidade de deteccao é medida pelo NMA, numero médio de amostras até o sinal, ver Tabela 3.13. Com as expressées para NMA, desenvolvidas no Apéndice D, é possivel obter nao 86 0s novos valores de k, mas também os valores do NMA com diversas combina- ses de regras (C, eC, C, eC, C,eC,, eC, eC,), para qualquer deslocamento da média do processo; ver as Tabelas 3.12 e 3.13. Para fins de exemplo, utilizando amostras de tamanho 4 ea combinacao de regras C, ¢ C,, calculemos o NMA para um deslocamento da média de 5 = 0,60. Inicialmente, caleulamos as probabilidades a, e a, para § = 0,60, e em seguida, E;[M] — ver as expressGes D.3, D.4 e D.11 do Apéndice D: a, = Pr[Z > £,[M], entao: 1 ai wwa-| et ~ E,{M]=15,00 (3.128) que € o valor fornecido na Tabela 3.13 para 6 = 0,60 e regras C, ¢ C,. O grafico de controle X com regras de controle G, e C, é mais agil na devecedo de pequenas perturbagdes na média do processo. Ja o grafico de contro- Je X com as regras de controle C, e C, tem a vantagem de praticamente ser sempre mais Agil que 0 grafico de controle X tradicional com limites de controle de 3-sigma (isto ¢, com a regra de decisao C, isolada). Tabela 3.13 Valores de NMA com diversas combinagées de regras de decisdo.3.5 GRAFICO DE CONTROLE DE X COM OUTRAS REGRAS DE DECISAO Por vezes, vemos a pratica de esperar um segundo ponto cair fora dos limites de controle antes de intervir no processo. Esse novo critério de decisaéo aumenta a protecdo contra alarmes falsos, em especial se a regra inclui a restrigo de que os dois pontos fora dos limites devam ser consecutivos. Consideremos 0 grafico de X e duas possibilidades: a REGRA A, que exi- ge que os dois pontos fora dos limites sejam consecutivos para considerd-los um sinal de descontrole; e a REGRA B, em que os dois pontos nao precisam ser consecutivos. Calculemos o NMA, nimero médio de amostras até a sinalizagao, com cada ‘uma das regras. REGRA A: Podemos definir aqui duas varidveis aleatérias, X e Y, que con- tam respectivamente 0 ntiimero de amostras até a ocorréncia do primeiro ponto fora dos limites de 3-sigma, e o ntimero de amostras entre o primeiro e o segundo ponto fora dos limites de 3-sigma. As varidveis X e Y sao independentes e com distribuicdo geométrica de parametro p. Portanto, o NMA, niimero médio de amostras até a ocorréncia do segundo ponto fora dos limites, sera simplesmente 2/p. Se a hipdtese H, é verdadeira, entao p = oy ; se a hipétese H, é verdadeira, entéo p=Pd;. REGRA B: Seja agora a varidvel aleatoria X,, parai = 1, 2, 3,..., que conta o ntimero de amostras até a ocorréncia de um ponte fora dos limites de 3-sigma. Logicamente, L, 0 mimero de amostras até que ocorram dois pontos consecutivos fora dos limites de 3-sigma, sera dado por: L=X,+X,+..4Xy (3.129) onde X,,= 1 eX, > 1 para21,5), é melhor trabalhar com amostras de tamanho n = 4 e intervalos h = 0,50 (30 minutos). Em momento algum parece interessante trabalhar com amostras de tamanho n = 2. Tabela 3.15 Tempo esperado até 0 sinal (n/h = 8 € h/o. = 500). 3.8 EXERCICIOS 3.1 Os dados da Tabela 3.16 sao a média e a amplitude de 24 amostras de tamanho 5 tomadas de um processo de producdo de eixos. a) Determine os limites de controle para 0 grafico da média e para o grafico da amplitude. b) Qual a probabilidade de alarme falso no gréfico de X? Quando o processo est4 em controle, quantas amostras em média sao observadas até a ocorréncia de um alarme falso? 101Tabela 3.16 Média e amplitude de 24 amostras de eixos. 0,28 2 35,04 | 0,29 2 35,00 | 0,27 4 0,27 5 35,02 13 35,03 | 0,15 34,96 | 0,29 6 [ss05| ois] | 14 [3505 | 029 22 | 35,05 | 0,18 | 7 [3496 oa | | 1s [35,00 O81 23 _| 35,02 | 0,29 8 | 3497 0.27 | 16 | 34,92 | 0,18 24 | 35,03 | 0,29 3.2 Os dados da Tabela 3.17 so valores de X e R de 25 amostras de tamanho n= 5 tomadas de um processo de produgao. Determine os limites dos graficos de controle de X e R para esse processo. Tabela 3.17 Média e amplitude de 25 amostras de tamanho 5. 3.3 Os dados da Tabela 3.18 séo a média amostral (X) ¢ a amplitude amostral (R) de 30 amostras de tamanho 5, referentes ao didmetro de um eixo. a) Calcule os limites de controle para os graficos da amplitude (R) e da média (xX). b) Sea média do processo se desioca para 7,50, qual a probabilidade de que descubramos tal mudanga com o grafico de X , na primeira amostra apés a mudanca? 102©) Sea média do processo se desloca para 7,50, qual a probabilidade de que descubramos tal mudanga com o grafico de X , antes da quarta amostra apés a mudanga? Se 0 desvio-padrao do processo muda para 3,61, qual a probabilidade de que descubramos tal mudanga com o grafico da amplitude, na primeira amostra apés a mudanga? e) Seo desvio-padrao do processo muda para 3,61, qual a probabilidade de que descubramos tal mudanga com o grafico da média, na primeira amostra apés a mudanga? f) Como fica o item (e) se, além de o desvio-padrao mudar para 3,61, a média deslocar-se para 6,002 d Tabela 3.18 Média e amplitude de 30 amostras de eixos. q 1 5,00 412 16 710 | 200 2 7,05 618 17 4,90 412 3 3,10 4,00 18 5,00 2,24 & | eis 704 » 400 4,12 5 2,90 4,12 20 5,20 6,00 6 5,05 0,08 21 3,85 212 7 6,00 4,12 22 3,90 4,12 8 3,25 6,12 23 6,00 1,19 9 4,90 10,20 24 6,15 1,20 10: 5,00 2,06 25 4,90 5,24 bina 6,10 8,16 26 §,00 4,09 12 3,75 4,12 27 4,90 4,24 13 5,00 791 23 655 415 4 2,95 3,00 29 5,00 4,12 15 5,00 424 30 345. | 7.67 ¥ = 4,90; R= 4,40 1033.4 A Tabela 3.19 fornece o diametro médio e a amplitude de 25 amostras de quatro eixos. a) Determine os limites de controle para o grafico da média ¢ para o grafico da amplitude. b) Sea média do processo aumenta para 10,1 cm, qual o mimero esperado de amostras necessrias para detectar esse aumento na média? ¢) Seo desvio-padrao do processo duplica, qual a probabilidade de o grafico da amplitude sinalizar tal alterac&o, em cada amostra? d) Para detectar um deslocamento na média de magnitude de um desvio- padrao, qual a melhor opsdo: tomar amostras de tamanho 4a cada meia hora ou tomar amostras de tamanho 6 a cada 45 minutos? Tabela 3.19 Média e amplitude de 25 amostras de eixos. 3.5. Os volumes em centimetros ctibicos de trés garrafas de Mirinda foram medi- dos a cada meia hora de produgdo durante 15 horas. Os volumes estao na. Tabela 3.20. a) Obtenha os limites de controle para os grdficos da média e da ampli tude. b) Caso a média do processo aumente para 250,8, qual a probabilidade de o grafico da média sinalizar tal desajuste? (supor que o desvio-padrao de processo nao se alterou) E qual a probabilidade de o grafico da amplitude sinalizar tal desajuste? Caso a média do processo aumente para 250,8, qual a probabilidade gl bal de o grAfico da média e/ou o da amplitude sinalizar tal desajuste? (Si ponha que 0 desvio-padrao do processo se alterou para 1,5.) d) Caso 0 desvio-padrao do processo aumente em 30%, qual a probabili de de o grafico da média sinalizar tal desajuste? (Suponha que a médi do processo nao se altera e que o riseo @ foi fixado em 0,1%.) fs 104Tabela 3.20 Média e amplitude de 30 amostras de garrafas de Mirinda. a Wy is) 6 20 21 22 es 24 =. (26 2 2B) 29 30 3.6 Os dados da Tabela 3.21 referem-se A média amostral (X) e A amplitude amostral (R), de 35 amostras de tamanho 3 (trés), referentes ao volume de saquinhos de leite. ‘a) Galcule os limites de controle para os graficos da amplitude (R) e da média ). 'b) Se a média do processo se desloca para 1003,00, qual a probabilidade de descobrir tal mudanca com o grafico de X : b-1) na primeira amostra apés a mudanca? b-2) somente na terceira amostra apds a mudanca? <) Se o desvio-padrao do processo muda para 4,000, e a média desloca-se para 1003,00, qual a probabilidade de descobrir tal mudanga na primeira amostra apés a mudang¢a: c-1) com o grafico da variancia (S?)? (Utilizande LIC = 0 e LSC para & = 0,005.) ¢-2) com o grafico da média (X) e/ou com o grafico da amplitude (R)? 105d) Qual deve ser o tamanho de amostra, de modo que a probabilidade de. detectar uma mudanea na média para 1003,00 até a segunda amost apds a mudanga seja de pelo menos 99%? (Suponha que a varidncia d& processo nao se altera.) Tabela 3.21 Média e amplitude de 35 amostras do volume de saquinhos de leite. 4 2. 3 4 3 6 im 8 oo 10 n 12 B i EYRSRRREBRES Se aR 3.7 Os dados da Tabela 3.22 sfio. a média amostral (X) ¢ a amplitude amostral {R), de 25 amostras de tamanho 3, referentes ao volume de leite em saquinhos plisticos. 106abela 3.22 Média e amplitude de 25 amostras do volume de saquinhos de leite. a) Calcule os limites de controle para os graficos da amplitude (R) e da média CO. b) Sea média do processo se desloca para 1004, qual a probabilidade de descobrir tal mudanga com o grafico de X: -1) na primeira amostra apés a mudanca?: ‘b-2) antes da quarta amostra apds a mudanca? ©) Seamédia do processo se desloca para 1004 e 0 desvio-padrao do processo muda para 8,00, qual a probabilidade de que se descubra tal mudanga na primeira amostra apés a mudanca: c-1) com o gréfico da amplitude (R)? ¢-2) com o grafico da média (X)? 3) com o grafico da média (X) e/ou como grafico de da amplitude (R)? 3.8 Os dados da Tabela 3.23 séio valores de X e R para 25 amostras de tamanho n= 5 tomadas de um processo de producdo de agulhas de injecao. As medidas correspondem ao didmetro interno da agulha, em centésimos de milimetro. a) Construa os grficos de controle de X e R para esse processo. b) Calcule para o grafico de X¥ o NMA nas seguintes situagbes: b-1) deslocamento da média u de 0,756; b-2) deslocamento da média 4. de 0,750 e aumento da variancia de o? para 407. 107©) Repitao item (b), considerando que os graficos de X e R sao utilizados conjuntamente. Tabela 3.23 Valores da média e da amplitude de 25 amostras. 3.9. Grficos de controle de X e S sao estabelecidos para monitorar uma carac- terfstica de qualidade. O tamanho de amostra ¢ n = 4. Apds 40 amostras, ob- tém-se: «0 “0 ¥x, =57040 35, =547 ist ia a) Assumindo que ambos os graficos exibem controle, estime os parametros pes. b) Calcule os limites de 3c para o grafico de S. ©) Galcule os limites de probabilidade 0,005 para o grafico de X (isto ¢,0 LSC e LIC que resultam em uma probabilidade de alarme falso igual a 0,005). 3.10 Os dados da Tabela 3.24 a seguir correspondem a um més de amostras, cada uma com nt = 6, de um processo de producdo de anéis de vedacao. As medidas correspondem aos tiltimos trés digitos. Por exemplo, X = 297 significa 1,4297 cm, e R = 16 significa 0,0016 cm. 108Tabela 3.24 Médias e amplitudes de 22 amostras. Foram calculados R e X, obtendo-se R = 25,73 X = 259,59. a) b) °) d) Calcule os limites de controle para os graficos de X e R que vocé passa- ri a usar para monitorar o proceso. E retirada uma amostra por dia. Suponha que ocorra alteragdo da média do processo para 1,4268 cm. Qual a probabilidade de que se passem quatro dias seguidos sem que o grafico sinalize essa alteragao ocorrida? (Suponha que o desvio-padrao do processo nao se altere; apenas a mé- dia.) Para melhorar o desempenho dos grdficos, o supervisor decidiu que, da- qui para a frente, as amostras passarao a ser de 12 unidades. Quais devem ser os novos limites para os graficos? Algumas pessoas criticaram a deciséo do supervisor, dizendo que seria melhor manter as amostras de 6 unidades cada uma, passando porém a retirar 2 amostras por dia, em vez de apenas uma. Qual das duas alternativas (uma amostra de 12 unidades por dia, ou 2 amostras de 6 unidades por dia) leva ao menor tempo médio de detecco, pelo grafico de X, de eventuais alteragSes da média do processe para 1,4268 cm? 3.11 Uma maquina produz uma pega cujo didmetro pode ser representado por uma varidvel aleatéria X com distribuicao normal. Sabe-se, por dados do proces- 10930, que a média de X é igual a 50, e seu desvio-padrao ¢ igual a 2. 0 t nho de amostra én = 4. a) Calcule os limites de controle para o grafico de X,de tal modo que a babilidade do erro tipo I seja o: = 0,004 (0,002 para cada lado). b) Considerando os limites calculados em a, suponha agora que a média mude bruscamente para 52, permanecendo o desvio-padrao igual a 2. Calcule a probabilidade de que esta mudanga seja detectada na primeira amostra apdés sua ocorréncia. 3.12 Compare o poder dos graficos da amplitude e da variancia em sinalizar um aumento de 100% no desvio-padrao do processo. Adotar n = 5, 10, 15. 3.13 Repita os Exemplos A e B da subsecdo [Link], considerando, porém, o grafico da variancia ao invés do grafico da amplitude. Compare o¢ resultados. 3.14 Construa uma planilha semelhante a da Figura 3.25, e para n/h = S¢ h/a= 370,4 uma tabela semelhante a Tabela 3.15. Interprete os resultados. 3.15 Utilizando as expressdes do Apéndice D, reconstrua e analise a Tabela 3.13, considerando o nimero médio de amostras entre alarmes falsos igual 500 (NMA = 500 quando 6= 0,00). 3.16 Determine o niimero médio de amostras até o sinal (NMA) para os seguintes casos: 3.17 De que forma o tamanho de amostra (n), 0 intervalo de tempo entre amostras (h) e 0 coeficiente de abertura dos limites de controle (k) afetam a fre- qiiéncia de alarmes falsos, o poder dos gréficos de controle e o TES, tempo esperado até o sinal? 3.18 Analise em termos do TES, da freqii€ncia de alarmes falsos ¢ da taxa de amostragem, qual a melhor op¢ao (explique por que) (suponha 6 = 0,75): Opgio a: grafico X com n = 3,h = 30 minutos e k = 3,20. Opgao b: grafico ¥ comn = 6,h = 60 minutos ¢ k = 3,00. 1103.19 A caracteristica X de um processo tem média 100 e desvio-padrao 2. a) Sea média do processo se desloca para 101 e o desvio-padraéo aumenta para 3, qual o tamanho minimo de amostra que garante um poder do grafico de controle X superior a 15%? b) Como fica o item a, caso seja incorporado o grafico da amplitude R? 3.20 Para um grafico de controle X com n = 4 ¢ a seguinte regra de controle: dois pontos consecutivos fora dos limites de 2 desvios-padrao amostrais, a) Qual a freqiiéncia esperada de alarmes falsos? b) Qual o valor do NMA para um deslocamento da média de 5= 0,75 desvios-padrao? 3.21 Graficos de controle de X eR serao utilizados para controlar a espessura do filamento de uma lampada. A espessura nominal é 148 microns, ¢ as especificacdes, 150 + 10 microns. Para a construgae dos grdficos, foram retiradas do processo 30 amostras de 4 (quatro) |ampadas. As médias e as amplitudes amostrais estéo na Tabela 3.25. Tabela 3.25 Valores da media e da amplitude de 30 amostras. 148,61 149,67 150,54 149,20 2 141,40, , ‘x =147,78 147,92, 2 146,19 149,23 28 4 R=6,177 147,61 147,29 1 2 3 4 5 6 7 8 9 10 a) Determine os limites de controle a serem usados nos graficos de X e¢ de R, para monitoramento do processo. (Obs.: se for encontrado algurn ponto fora dos limites de algum dos grdficos, suponha que se procedeu a uma investigagdo e foi identificada urna causa especial que esteve presente durante a retirada apenas da amostra em questdo.) 111b) Com o processo isento de causas especiais, qual a porcentagem esperada de filamentos que nao atendero as especificagdes? ©) Qual é 0 poder do grafico de X caso a média do processo se desloque para 144 microns? (supondo que o desvio-padrao nao se altere). Se se quiser utilizar um grafico de $ em vez do grafico de R (isto 6, utilizar em conjunto graficos de X eS em vez de grdficos de X e R), usando amostras de 9 lampadas em vez de 4, quais seriam os limites para o grdfico de S? ©) E quais seriam os limites para 0 grafico de X nesse caso? (Isto é, usando amostras de 9 lampadas em vez de 4.) f) Entre as duas alternativas seguintes: (A) use grdéficos de X eR, com amostras de 4 lampadas retiradas de meia em meia hora, e (B) use graficos de X eS, com amostras de 9 lampadas retiradas de hora em hora, qual a que produz menor tempo esperado de deteccdo se a média do processo se deslocar para 144 microns, sem que o desvio- padrao do processo se altere? d 3.22Para um grdfico de controle de X com n = 4 e as seguintes regras de controle: (a) um ponto além dos limites de 3 desvios-padrao amostrais; (b) dois de trés pontos consecutivos além dos limites de 2,2 desvios-padrao amostrais, determine: a) a freqiiéncia de alarmes falsos; b) 0 NMA para um deslocamento da média de 0,75 desvios-padrao. 3.23Um processo com py = 3,070 e ¢ = 0,020 deverd ser controlado com gré- ficos de X e R. Qual é o menor tamanho de amostra com o qual a probabilidade de detectar em até 2 amostras uma alteragao na média para 1, = 3,100 (supondo que ¢ nao se altere) ¢ maior ou igual a 90%? 3.24 Qual o efeito (individual) de cada uma das alteracdes indicadas no quadro a seguir (uma por coluna) sobre cada uma das medidas de desempenho de um grafico de controle indicadas (uma por linha)? Responda preenchendo cada célula com: T (aumenta), J (diminui) ou — (nao altera). 1123.25 Qual a vantagem e qual a desvantagem de se utilizarem regras suplementares de decisio num grafico de controle (por exemplo, considerar que 8 Pontos consecutivos de um mesmo lado da linha média sio um sinal de descontrole, ou entao que 2 entre 3 pontos consecutivos além de “limites de 2- sigma” também sio um sinal de descontrole)? 3.26 O que significa 0 conceito de que um processo estd no estado de controle estatistico? O que podemos dizer sobre sta variabilidade? 3.27 Num controle de processo por graficos de X e S, se aumentarmos 0 tamanho de amostra, o que acontece com a probabilidade de o grafico de X indicar uma mudanga na média do processo que na realidade nao ocorreu? Justifique sua resposta. 3.28 Use uma seta para cima (1), ou para baixo (1), ou um traco horizontal (-), para indicar, em cada célula do quadro a seguir, como a decisdo na linha afeta a medida de desempenho do grafico de X indicada na coluna. ATENGAO: Considere cada linha isoladamente, esquecendo as anteriores (por exemplo, a pergunta na segunda linha refere-se apenas ao efeito da reducao do intervalo de tempo, e nao ao efeito de redugaio de intervalo de tempo e aumento de tamanho da amostra).dos limites de controle. 3.29 3.30 3.31 3.32 3.33 Onde: PCNAS > 4) é a probabilidade de o gréfico demorar mais de quatro amostras para sinalizar um descontrole ocorrido; ¢ NMAF € 0 ntimero médio de amostras até um alarme falso. Determine o menor valor de ne 0 LSC para um grafico de $? que tenha risco ode 0,3% e risco B maximo de 72% para um desvio-padrao de 3,03. Em condicdes de controle, o desvio-padrao ¢ igual a 2,00. (Adote LIC = 0,00.) Determine o menor valor de ne o LSC para um grafico de R que tenha risco a de 0,3% ¢ risco B maximo de 72%, para um desvio-padrio de 3,20. Em condicdes de controle, o desvio-padrao é igual a 2,00. (Adote LIC = 0,00.) Determine o menor valor de n que dé ao grafico de R (com limites de 3- sigma) no minimo 50% de chance de detectar um aumento de 82,3% no desvio-padrao. (Adote LIC = 0,00.) Para um TMAF = 500 horas, usando um gréfico de X, qual a melhor op¢ao para a deteccao de um deslocamento da média de 1,2 desvios-padrao: a) retirar amostras de tamanho 8 a cada hora, ou b) retirar amostras de tamanho 4a cada meia hora? Para um risco « de 0,12% en = 4, os limites de um grafico de X sao: LIC = 92,52 e LSC = 105,48. a) Qual o poder do gréfico caso a média do processo se desloque para 1032 (Adotar n = 9.) b) Como mudaré a resposta ao item (a), caso o desvio-padrao também se altere, aumentando em 20%? 114

Você também pode gostar

Cap. 5 - Graficos de Controle para Variaveis - Montgomery
Ainda não há avaliações
Cap. 5 - Graficos de Controle para Variaveis - Montgomery
40 páginas
Gráficos de Controle: Causas de Variação
Ainda não há avaliações
Gráficos de Controle: Causas de Variação
74 páginas
Controle de Processos e Qualidade
Ainda não há avaliações
Controle de Processos e Qualidade
41 páginas
Aula 7 - Grafico de Controle Por Variaveis - Parte 1
Ainda não há avaliações
Aula 7 - Grafico de Controle Por Variaveis - Parte 1
34 páginas
Graficos de Controle Variaveis Atributos
Ainda não há avaliações
Graficos de Controle Variaveis Atributos
17 páginas
Controle Estatístico de Processos: Fundamentos
Ainda não há avaliações
Controle Estatístico de Processos: Fundamentos
25 páginas
Gráficos de Controle e Análise Estatística
Ainda não há avaliações
Gráficos de Controle e Análise Estatística
10 páginas
Controle Estatístico da Qualidade: Gráficos
Ainda não há avaliações
Controle Estatístico da Qualidade: Gráficos
27 páginas
Cartas de Controle no CEP
Ainda não há avaliações
Cartas de Controle no CEP
19 páginas
Gráficos de Controle na Gestão da Qualidade
Ainda não há avaliações
Gráficos de Controle na Gestão da Qualidade
10 páginas
Gráfico de Controle X-barra e S no CEP
Ainda não há avaliações
Gráfico de Controle X-barra e S no CEP
7 páginas
Exemplos de Cartas de Controle
Ainda não há avaliações
Exemplos de Cartas de Controle
30 páginas
Controle Estatístico de Processos: Fundamentos
Ainda não há avaliações
Controle Estatístico de Processos: Fundamentos
65 páginas
Gráficos de Controle por Variáveis
Ainda não há avaliações
Gráficos de Controle por Variáveis
25 páginas
Cartas de Controle em Processos Produtivos
Ainda não há avaliações
Cartas de Controle em Processos Produtivos
71 páginas
Gráficos de Controle na Engenharia da Qualidade
Ainda não há avaliações
Gráficos de Controle na Engenharia da Qualidade
19 páginas
Cartas de Controle para Variáveis
Ainda não há avaliações
Cartas de Controle para Variáveis
29 páginas
Gráficos de Controle na Engenharia de Produção
Ainda não há avaliações
Gráficos de Controle na Engenharia de Produção
64 páginas
Controle Estatístico de Processos (CEP)
Ainda não há avaliações
Controle Estatístico de Processos (CEP)
39 páginas
Cartas de Controle na Qualidade Automotiva
Ainda não há avaliações
Cartas de Controle na Qualidade Automotiva
12 páginas
Gráficas de Controle: Estabilidade e Análise
Ainda não há avaliações
Gráficas de Controle: Estabilidade e Análise
16 páginas
Aula 3 - Introdução À Cartas de Controle
Ainda não há avaliações
Aula 3 - Introdução À Cartas de Controle
29 páginas
Cartas de Controle para Variáveis e Médias
Ainda não há avaliações
Cartas de Controle para Variáveis e Médias
78 páginas
Gráficos de Controle em CEP
Ainda não há avaliações
Gráficos de Controle em CEP
58 páginas
Controle de Qualidade em Laboratórios
Ainda não há avaliações
Controle de Qualidade em Laboratórios
31 páginas
Gráficos de Controle para Variáveis
Ainda não há avaliações
Gráficos de Controle para Variáveis
15 páginas
Controle Estatístico por Variáveis
Ainda não há avaliações
Controle Estatístico por Variáveis
13 páginas
Gráficos de Controle para Variáveis em CEP
Ainda não há avaliações
Gráficos de Controle para Variáveis em CEP
66 páginas
Análise de Gráficos de Controle de Processos
Ainda não há avaliações
Análise de Gráficos de Controle de Processos
38 páginas
Controle Estatístico de Processos e Amostras
Ainda não há avaliações
Controle Estatístico de Processos e Amostras
22 páginas
Pro3371 P2
Ainda não há avaliações
Pro3371 P2
3 páginas
Gráficos de Controle e Variabilidade
Ainda não há avaliações
Gráficos de Controle e Variabilidade
11 páginas
Cartas de Controle: Variáveis e Atributos
Ainda não há avaliações
Cartas de Controle: Variáveis e Atributos
43 páginas
Cartas de Controle para Variáveis Estatísticas
Ainda não há avaliações
Cartas de Controle para Variáveis Estatísticas
44 páginas
Controle Estatístico de Processos - CEP - 2022
Ainda não há avaliações
Controle Estatístico de Processos - CEP - 2022
54 páginas
Controle de Processos na Indústria Farmacêutica
Ainda não há avaliações
Controle de Processos na Indústria Farmacêutica
46 páginas
Controle Estatístico de Qualidade em Processos
Ainda não há avaliações
Controle Estatístico de Qualidade em Processos
27 páginas
Controle Estatístico por Variáveis
Ainda não há avaliações
Controle Estatístico por Variáveis
17 páginas
Controle de Variáveis em Gráficos
Ainda não há avaliações
Controle de Variáveis em Gráficos
44 páginas
Controlo de Qualidade em Hematologia: CBL - Hematologia Clínico Laboratorial II Essualg Docente - Rui Vassal
Ainda não há avaliações
Controlo de Qualidade em Hematologia: CBL - Hematologia Clínico Laboratorial II Essualg Docente - Rui Vassal
26 páginas
Gráficos de Controle no Controle Estatístico
Ainda não há avaliações
Gráficos de Controle no Controle Estatístico
40 páginas
Gráficos de Controle: Tipos e Aplicações
Ainda não há avaliações
Gráficos de Controle: Tipos e Aplicações
3 páginas
Gráficos de Controle: Média e Desvio Padrão
Ainda não há avaliações
Gráficos de Controle: Média e Desvio Padrão
13 páginas
10 - Cep Variáveis e Capab
Ainda não há avaliações
10 - Cep Variáveis e Capab
21 páginas
Folhas de Verificação em CEP
Ainda não há avaliações
Folhas de Verificação em CEP
13 páginas
Controle de Qualidade em Laboratório Clínico
Ainda não há avaliações
Controle de Qualidade em Laboratório Clínico
30 páginas
Controle Estatístico do Processo: Guia Completo
Ainda não há avaliações
Controle Estatístico do Processo: Guia Completo
56 páginas
Controle Estatístico da Qualidade
Ainda não há avaliações
Controle Estatístico da Qualidade
79 páginas
Gráficos de Controle em Processos Estatísticos
Ainda não há avaliações
Gráficos de Controle em Processos Estatísticos
21 páginas
Controle Estatístico de Processos Qualidade
Ainda não há avaliações
Controle Estatístico de Processos Qualidade
58 páginas
Aula 7 - Grafico de Controle Por Variaveis - Parte 2
Ainda não há avaliações
Aula 7 - Grafico de Controle Por Variaveis - Parte 2
37 páginas
Controle Estatístico Do Processo - 3 - Fase Preparatória e Elaboração Dos Gráficos - Portal Action
Ainda não há avaliações
Controle Estatístico Do Processo - 3 - Fase Preparatória e Elaboração Dos Gráficos - Portal Action
2 páginas
Controle Estatístico de Processo (CEP)
Ainda não há avaliações
Controle Estatístico de Processo (CEP)
31 páginas
Gráficos de Controle por Variáveis: Guia Completo
Ainda não há avaliações
Gráficos de Controle por Variáveis: Guia Completo
24 páginas
Gráficos de Controle e CEP 2ª Edição
Ainda não há avaliações
Gráficos de Controle e CEP 2ª Edição
43 páginas
Gráficos de Controle: Análise e Aplicações
Ainda não há avaliações
Gráficos de Controle: Análise e Aplicações
14 páginas
Gráficos de Controle: Fundamentos e Aplicações
Ainda não há avaliações
Gráficos de Controle: Fundamentos e Aplicações
37 páginas
Aula 05 - Gráfico de Controle
Ainda não há avaliações
Aula 05 - Gráfico de Controle
21 páginas
CEQ Aula 04
Ainda não há avaliações
CEQ Aula 04
66 páginas
Livro Química Tecnológica Hilsdorf
100% (1)
Livro Química Tecnológica Hilsdorf
44 páginas
Segunda Lei da Termodinâmica Explicada
0% (1)
Segunda Lei da Termodinâmica Explicada
29 páginas
Análise de Estruturas - Método Das Forças e Método Dos Deslocamentos 2 Ed. Humberto Lima Soriano
100% (5)
Análise de Estruturas - Método Das Forças e Método Dos Deslocamentos 2 Ed. Humberto Lima Soriano
236 páginas