Gráficos de Controle

CE219 - Controle Estatístico de Qualidade

Prof. Cesar Taconeli Prof. Walmes Zeviani

taconeli@[Link] walmes@[Link]

Laboratório de Estatística e Geoinformação

Departamento de Estatística
Universidade Federal do Paraná

Taconeli & Zeviani Gráficos de Controle 1

 O gráfico de controle

Taconeli & Zeviani Gráficos de Controle 2

Introdução

I O Controle Estatístico de Processos (CEP) compreende um

conjunto de ferramentas aplicadas na avaliação da qualidade
e melhoria de processos.
I Dentre as principais ferramentas de CEP, destacam-se os
gráficos de controle (ou cartas controle).
I Os gráficos de controle foram propostas por Walter A. Shewart
na década de 1920 e vem sendo aprimorados desde então.
I Gráficos de controle são usados para o monitoramento em
tempo real da produção.

Taconeli & Zeviani Gráficos de Controle 3

Figura 1. Informações sobre Walter A. Shewhart. Fonte:
[Link] Acesso: 2019-04-05.

Taconeli & Zeviani Gráficos de Controle 4

Tipos de causas de variação

Podemos classificar as causas de variação em processos em duas

categorias:

1. Causas aleatórias: compreendem um conjunto de pequenas

perturbações inerentes ao processo, não podendo, a princípio,
serem eliminadas. Configuram a variabilidade natural do
processo.
2. Causas atribuíveis: compreendem causas de variação
identificáveis, de maior impacto, que devem ser eliminadas ou
produzirão queda na qualidade da produção.

Um processo encontra-se sob controle estatístico caso opere

apenas na presença de causas aleatórias de variação. Caso
apresente alguma causa atribuível de variação, dizemos que o
processo está fora de controle.

Taconeli & Zeviani Gráficos de Controle 5

Objetivos do gráfico de controle

Principais objetivos de gráficos de controle:

1. Estimar os parâmetros do processo no cenário de controle

estatístico, permitindo analisar sua capacidade;
2. Monitorar parâmetros da produção ao longo do tempo;
3. Sinalizar a ocorrência de causas de variação atribuíveis;
4. Reduzir a variabiliadade do processo mediante eliminação
das causas atribuíveis.

Taconeli & Zeviani Gráficos de Controle 6

Descrição do gráfico de controle

Embora existam diversas variações em relação à proposta original,

segue, primeiramente, a descrição mais convencional de gráficos de
controle.

I Um gráfico de controle representa os resultados de alguma

característica da qualidade (por meio de alguma estatística)
avaliados em amostras versus a ordem de coleta ou o tempo;
I Adicionalmente, são plotadas três linhas:
I A linha central (LC), representando a média da característica
da qualidade para o processo sob controle;
I Os limites inferior e superior de controle (LIC e LSC),
determinados de tal maneira que, se o processo operar sob
controle, seja extremamente pouco provável um ponto amostral
fora dos limites.

Taconeli & Zeviani Gráficos de Controle 7

O gráfico de controle

LSC

● ●
●

●
●
Estatística

● ● ●
LC ●
● ●
●

● ● ● ●
● ● ●

LIC

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Amostra

Figura 2. Ilustração de um gráfico de controle.

Taconeli & Zeviani Gráficos de Controle 8

Linhas de controle do gráfico

I Um modelo geral para os gráficos de controle, baseado numa

estatística amostral ω, em sua média (µω ) e em seu desvio
padrão (σω ) é definido por:

LSC = µω + Lσω
LC = µω
LIC = µω − Lσω ,

em que L determina a amplitude dos limites de controle.

I Assim, se uma amostra produzir ω > LSC ou ω < LIC , temos
uma sinalização de descontrole.

Taconeli & Zeviani Gráficos de Controle 9

Teste de hipótese pelo gráfico de controle

I O uso de gráficos de controle tem forte paralelo com a

aplicação de testes de hipóteses.
I A título de ilustração, considere o monitoramento da média do
processo com base nas médias de amostras aleatórias
selecionadas periodicamente (x̄ );
I Sejam µ0 e σ0 a média e o desvio padrão do processo sob
controle, produzindo os limites:
σ0 σ0
LSC = µ0 + L √ , LC = µ0 , LIC = µ0 − L √ .
n n
I Assim, se para uma particular amostra registrarmos x̄ < LIC
ou x̄ > LSC , rejeitamos a hipótese nula H0 : µ = µ0 ,
concluindo que o processo está fora de controle (H1 : µ 6= µ0 ).

Taconeli & Zeviani Gráficos de Controle 10

Exercício
Considere a descrição apresentada para o gráfico de controle para
a média. Assumindo amostras de tamanho n e distribuição Normal
para X̄ , determine:

1. Qual a probabilidade de falso alarme para L = 2? E para

L = 3?
2. Fixando L = 3 e n = 3, qual a probabilidade de um ponto fora
dos limites de controle se a média for deslocada em 0.2σ0 ? E
se o deslocamento for de 1σ0 ?
3. Considera a mesma especificação do item anterior porém com
n = 10.

Falso alarme: é a probabilidade de um ponto fora dos limites de

controle se µ = µ0 .
Poder: é probabilidade de um ponto fora dos limtes de controle se
a média do processo for alterada para µ = µ1 = µ0 + kσ0 .
Taconeli & Zeviani Gráficos de Controle 11
Solução
O item 1, a probabilidade do evento de interesse é
 
σ0
Pr X̄n=3 > µ0 + L √ | X ∼ N(µ0 , σ0 ) +
3
 
σ0
Pr X̄n=3 < µ0 − L √ | X ∼ N(µ0 , σ0 ) .
3

Levando para escala da normal padrão, tem-se

(µ0 ± L √σ03 ) − µ0
Z= σ0 = ±L.
√
3

Ou seja, a probabilidade do evento é dada por

Pr(Z > L | Z ∼ N(0, 1)) + Pr(Z < −L | Z ∼ N(0, 1))

Taconeli & Zeviani Gráficos de Controle 12

Solução
No item 2, a probabilidade do evento de interesse é
 
σ0
Pr X̄n=3 > µ0 + L √ | X ∼ N(µ0 + 0.2σ0 , σ0 ) +
3
 
σ0
Pr X̄n=3 < µ0 − L √ | X ∼ N(µ0 + 0.2σ0 , σ0 )
3

Levando para escala da normal padrão, tem-se

(µ0 ± L √σ03 ) − (µ0 + 0.2σ0 ) √

Z= σ0 = L ± 0.2 3
√
3

Na escala da normal padrão, o evento corresponde a

√ √
Pr(Z > L−0.2 3 | Z ∼ N(0, 1))+Pr(Z < −L−0.2 3 | Z ∼ N(0, 1))

Taconeli & Zeviani Gráficos de Controle 13

Solução

# 1. Probabilidade de falso alarme. 1

2 * pnorm(q = c(2, 3), mean = 0, sd = 1, [Link] = FALSE) 2

## [1] 0.045500264 0.002699796

# Função para calcular o poder. 1

poder <- function(L, n, shift) { 2
pnorm(L - shift * sqrt(n), [Link] = FALSE) + 3
pnorm(-L - shift * sqrt(n), [Link] = TRUE) 4
} 5
6
# 1. Com processo sobre controle. 7
c(poder(2, 3, 0), poder(2, 10, 0)) 8
9
# 2. Poder de detecção quando processo está fora de controle. 10
c(poder(2, 3, 0.2), poder(2, 10, 0.2)) 11
c(poder(2, 3, 1), poder(2, 10, 1)) 12

## [1] 0.04550026 0.04550026

## [1] 0.05858306 0.08996586
## [1] 0.3944642 0.8774388

Taconeli & Zeviani Gráficos de Controle 14

Tipos de gráficos de controle
Gráficos de controle para variáveis

I Aplicados para características avaliadas em alguma escala

contínua de medida (peso, volume, resistência, corrente,
elasticidade, duração).
I Contemplam o monitoramento da tendência central e
variabilidade do processo.

Gráficos de controle para atributos

I Aplicados para características avaliadas em alguma escala

qualitativa (defeituoso/não defeituoso) ou mesmo de contagem
(número de não conformidades/defeitos por item).
I Contemplam o monitoramento da proporção de itens não
conformes, ou a taxa de não conformidades por unidade de
produto.
Taconeli & Zeviani Gráficos de Controle 15
Planejamento de um gráfico de controle

Taconeli & Zeviani Gráficos de Controle 16

Elementos para o gráfico de controle

Diversos elementos devem ser considerados no planejamento de um

gráfico de controle, sendo os principais:

I O tipo de gráfico a ser utilizado.

I A escolha dos limites de controle.
I O tamanho das amostras.
I A frequência de amostragem.
I A forma de seleção das amostras.

Taconeli & Zeviani Gráficos de Controle 17

Qual o tipo de gráfico a ser utilizado?

I Embora até o momento tenhamos descrito apenas uma

construção de gráficos de controle, é importante antecipar que
há uma grande variedade de gráficos, aplicados com
finalidades diversas.
I Alguns fatores a serem considerados na escolha de um gráfico:
I A escala das variáveis consideradas (Contínua? Discreta?
Resultante de classificação?).
I O número de variáveis monitoradas (Gráfico univariado?
Multivariado?);
I A sensibilidade desejada para a detecção de pequenas
alterações nos parâmetros do processo;
I A possível presença de autocorrelação nas amostras.

Taconeli & Zeviani Gráficos de Controle 18

Como escolher os limites de controle?

I A especificação dos limites de controle deve considerar:

I A probabilidade de falso alarme (α = risco do erro tipo I).
I A probabilidade de não detectar uma alteração no parâmetro
monitorado (β(µ1 ) = risco do erro tipo II).
I Para os gráficos de controle discutidos até o momento, essa
especificação requer, basicamente, a atribuição de algum valor
para L.
I Já vimos que, ao aumentarmos o valor de L, diminui o risco do
erro tipo I. No entanto, o alargamento dos limites tem como
consequência o aumento do risco tipo II.

Taconeli & Zeviani Gráficos de Controle 19

Exercício

Retome o exemplo anterior. Considere n = 5.

I Qual o valor de L tal que α = 0.01? Recupere, para efeito de

comparação, os riscos correspondentes para L = 3 e L = 2.
I Calcule, para cada valor de L, β(µ1 ), em que µ1 = µ0 + 1.2σ0 .

Taconeli & Zeviani Gráficos de Controle 20

Solução

# 1. O valor de L para um falso alarme de 1%. 1

qnorm(p = 0.995, mean = 0, sd = 1, [Link] = TRUE) 2

## [1] 2.575829

2 * pnorm(q = c(2, 3), mean = 0, sd = 1, [Link] = FALSE) 1

## [1] 0.045500264 0.002699796

# 2. O poder. 1
poder(L = c(2, 2.57, 3), n = 5, shift = 1.2) 2

## [1] 0.7527869 0.5450964 0.3757286

Taconeli & Zeviani Gráficos de Controle 21

Limites de alerta

I Visando refinar a avaliação de um gráfico de controle, é

comum adicionar ao gráfico um segundo par de limites,
chamados limites de alerta.
I Os limites de alerta são linhas intermediárias às de controle,
e servem para sinalização de atenção (e não de ação, como
para os limites de controle).

Taconeli & Zeviani Gráficos de Controle 22

Especificação dos limites

É usual fixar os limites de controle a três desvios padrões

(referentes à estatística) da média, e os de alerta a dois desvios
padrões, ou seja:

LSC = µω + 3σω
LSA = µω + 2σω
LC = µω
LIA = µω − 2σω
LIC = µω − 3σω .

Taconeli & Zeviani Gráficos de Controle 23

O gráfico de controle

20 LIC = µω + 3σω

18
LIC = µω + 2σω
16

14
Estatística

12
LIC = µω
10

6
LIC = µω − 2σω
4

2 LIC = µω − 3σω

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Amostra

Figura 3. Gráfico de controle com limites de alerta.

Taconeli & Zeviani Gráficos de Controle 24

Como escolher o tamanho de amostra e a frequência de
amostragem?

I Quanto maior o tamanho de amostra adotado, e menor o

tempo entre as amostras selecionadas, mais rapidamente se
detectará o descontrole do processo.
I Como contrapartida, quanto maior o esforço de amostragem
maiores os custos (operacionais, financeiros) envolvidos.
I A escolha do tamanho amostral e da frequência de
amostragem deve considerar o poder do gráfico de controle e
os custos de amostragem associados.
I Uma ferramenta importante na seleção do tamanho amostral é
a curva característica de operação.

Taconeli & Zeviani Gráficos de Controle 25

Como escolher o tamanho de amostra e a frequência de
amostragem?

I A curva característica de operação é a representação gráfica

da probabilidade do erro do tipo II (β) versus o deslocamento
no parâmetro monitorado do processo.
I É usual representar as curvas para diferentes tamanhos de
amostras a fim de verificar o risco do erro do tipo II (e o
poder do gráfico, seu complemento), para diferentes níveis de
descontrole.

Taconeli & Zeviani Gráficos de Controle 26

A curva característica de operação

1.0

n=3
0.9
n=5
0.8 n = 10

n = 20
0.7

0.6
β

0.5

0.4

0.3

0.2

0.1

0.0

0.0 0.5 1.0 1.5 2.0 2.5 3.0

Figura 4. Curvas características de operação para o gráfico X̄ .

Taconeli & Zeviani Gráficos de Controle 27

O comprimento médio de sequência

I Alguns indicadores úteis para a determinação do tamanho de

amostra e da frequência de amostragem são discutidos na
sequência.
I O Comprimento Médio de Sequência (CMS) é o número
médio de pontos até ocorrer um ponto fora dos limites de
controle.
I Se as amostras são não correlacionadas, segue que CMS = p1 ,
em que p é a probabilidade de um ponto fora dos limites de
controle.

Taconeli & Zeviani Gráficos de Controle 28

Comprimento médio de sequência

I Para um gráfico de controle x̄ com limites de controle 3σ ,

temos, para o processo operando sob controle:
1 1 1
CMS0 = ≈ 370.
α
= =
p 0.0027
I Se o processo tem sua média alterada de µ0 para µ1 ,
mantendo os mesmos limites de controle, então temos:
1 1
CMS1 = < CMS0 .
1 − β(µ1 )
=
p

Taconeli & Zeviani Gráficos de Controle 29

Comprimento médio de sequência

NOTA
O comprimento de sequência (número de pontos até um primeiro
ponto fora dos limites de controle) tem distribuição geométrica.
Como tal:

I Seu desvio padrão é muito grande. No cenário de controle,

por exemplo, é dado por:
p p
(1 − p) (1 − 0.0027)
= ≈ 370.
p 0.0027
I Sua distribuição é muito assimétrica, de maneira que a média
não é necessariamente um valor típico da distribuição.

Taconeli & Zeviani Gráficos de Controle 30

Distribuição do CMS

n=3; µ=µ0 n=3; µ=µ0 + 0.5σ0 n=3; µ=µ0 + 1.5σ0

0.015

0.30
0.0020
Probabilidade

Probabilidade

Probabilidade
0.010

0.20
0.0010

0.005

0.10
0.0000

0.000

0.00
0 500 1000 1500 2000 0 100 200 300 400 5 10 15 20

Comprimento de sequência Comprimento de sequência Comprimento de sequência

n=10; µ=µ0 n=10; µ=µ0 + 0.5σ0 n=10; µ=µ0 + 1.5σ0

0.08

0.8
0.0020

0.06
Probabilidade

Probabilidade

Probabilidade

0.6
0.04
0.0010

0.4
0.02

0.2
0.0000

0.00

0.0
0 500 1000 1500 2000 0 20 40 60 80 2 4 6 8 10

Comprimento de sequência Comprimento de sequência Comprimento de sequência

Figura 5. Distribuição do comprimento de sequência para o gráfico X̄ .

Taconeli & Zeviani Gráficos de Controle 31

Curva de operação para CMS

375
350 n=3
Comprimento médio de sequência

325 n=5
300 n = 10
275 n = 20
250
225
200
175
150
125
100
75
50
25
0

0.00 0.25 0.50 0.75 1.00 1.25 1.50

Figura 6. Curvas para os comprimentos médios de sequência do gráfico X̄ .

Taconeli & Zeviani Gráficos de Controle 32

Exercício

Retome o exemplo anterior. Considere o gráfico de controle x̄ com

limites 3-sigma.

1. Qual o valor de CMS0 ? Esse valor depende do tamanho

amostral?
2. Qual o comprimento médio de sequência se a média for
acrescida em 0.5σ0 , para n = 5? E para n = 12?
3. Qual o comprimento médio de sequência se a média for
acrescida em 1.5σ0 , para n = 5? E para n = 12?
4. Qual a probabilidade de detectar o acréscimo de 0.5σ0 até a
segunda amostra para n = 5? E para n = 12?
5. Qual a probabilidade de detectar o acréscimo de 1.5σ0 até a
décima amostra para n = 5? E para n = 12?

Taconeli & Zeviani Gráficos de Controle 33

Solução

CMS1 = 1/(1 − β(µ1 )).

# 2. Deslocamento de 0.5. Abaixo está CMS_1 = 1/\beta(\mu_1). 1

1/poder(L = 3, n = c(5, 12), shift = 0.5) 2

## [1] 33.400779 9.764752

# 3. Deslocamento de 1.5. Abaixo está CMS_1 = 1/\beta(\mu_1). 1

1/poder(L = 3, n = c(5, 12), shift = 1.5) 2

## [1] 1.566493 1.014240

Taconeli & Zeviani Gráficos de Controle 34

Solução

β(µ1 ) = Pr(“erro tipo II”) → 1 − β(µ1 ) := Poder.

Pr(“detectar em/até n amostras”)

= Pr ∪ni=1 “detectar na amostra i”

= 1 − Pr(“não detectar em n amostras”)

= 1 − Pr ∩ni=1 “não detectar na amostra i”

. = 1 − (β(µ1 ))n
= 1 − (1 − Poder)n

# 4. Detecção até a 2 amostra com deslocamento de 0.5. 1

1 - (1 - poder(L = 3, n = c(5, 12), shift = 0.5))^2 2
3
# 5. Detecção até a 2 amostra com deslocamento de 1.5. 4
1 - (1 - poder(L = 3, n = c(5, 12), shift = 1.5))^2 5

## [1] 0.05898247 0.19433068

## [1] 0.8692229 0.9998029

Taconeli & Zeviani Gráficos de Controle 35

Tempo médio de alerta

I Outro indicador útil para avaliação do desempenho e

planejamento de gráficos de controle é o tempo médio para
alerta (TMA).
I Se as amostras são selecionadas em intervalos de tempo
regulares (vamos denotar por h), então:

TMA = CMS × h.

I Obviamente, quanto menor o valor de h, menor será TMA,

permitindo a detecção em menor tempo de alterações nos
parâmetros do processo.
I Como contrapartida, o tempo entre falsos alarmes diminui
conforme se aumenta a frequência de amostragem.

Taconeli & Zeviani Gráficos de Controle 36

Exercício

Retome o exemplo anterior. Considere o gráfico de controle X̄ com

limites de controle em 3σ .

1. Qual o valor de TMA, para o processo operando sob controle,

para amostras extraídas a cada duas horas? E a cada meia
hora?
2. Qual o valor de TMA se a média for acrescida em 0.5σ0 , para
n = 5 e amostras extraídas a cada duas horas? E se as
amostras forem extraídas a cada meia hora?

Taconeli & Zeviani Gráficos de Controle 37

Solução

# 1. Resultado em horas. 1
c(2, 0.5) * 1/poder(L = 3, n = 5, shift = 0) 2

## [1] 740.7967 185.1992

# 2. Resultado em horas. 1
c(2, 0.5) * 1/poder(L = 3, n = 5, shift = 0.5) 2

## [1] 66.80156 16.70039

Taconeli & Zeviani Gráficos de Controle 38

Como selecionar as amostras? (Subgrupos racionais)

I De que forma constituir as amostras (subgrupos) em cada uma

das amostragens?
I Diferentes abordagens podem ser consideradas:
1. Tomar as unidades amostrais de forma consecutiva, de forma
a ter uma represetação daquele momento da produção.
2. Tomar as unidades amostrais ao longo do intervalo de
amostragem, buscando representar todo um período de
produção.
3. Se o processo for composto por diferentes linhas de produção,
tomar unidades amostrais de cada uma delas, a fim de ter uma
representação de todo o processo e identificar eventuais
problemas em alguma(s) das linhas.

Taconeli & Zeviani Gráficos de Controle 39

Análise de padrões em gráficos de controle

Taconeli & Zeviani Gráficos de Controle 40

Padrões não aleatórios

I Diversos padrões não aleatórios em gráficos de controle

(além da existência de pontos externos aos limites de controle)
são potenciais indicadores de descontrole.
I A leitura adequada de um gráfico de controle e observação de
tais padrões podem ser fundamentais para identificar de
alterações nos parâmetros do processo.
I A associação de um particular padrão a uma específica causa
requer um conhecimento geral do processo.
I A análise de tais padrões deve ser feita com parcimônia,
evitando o aumento na taxa de falsos alarmes e a intervenção
excessiva na produção.

Taconeli & Zeviani Gráficos de Controle 41

 Figura 7. Padrão não aleatório em gráfico de controle - 1.

Taconeli & Zeviani Gráficos de Controle 42

 Figura 8. Padrão não aleatório em gráfico de controle - 2.

Taconeli & Zeviani Gráficos de Controle 43

 Figura 9. Padrão não aleatório em gráfico de controle - 3.

Taconeli & Zeviani Gráficos de Controle 44

 Figura 10. Padrão não aleatório em gráfico de controle - 4.

Taconeli & Zeviani Gráficos de Controle 45

 Figura 11. Padrão não aleatório em gráfico de controle - 5.

Taconeli & Zeviani Gráficos de Controle 46

 Figura 12. Padrão não aleatório em gráfico de controle - 6.

Taconeli & Zeviani Gráficos de Controle 47

 Figura 13. Padrão não aleatório em gráfico de controle - 7.

Taconeli & Zeviani Gráficos de Controle 48

Regras sensibilizantes para exame do gráficos de
controle

4 regras da Western Eletric

1. 1 ou mais pontos fora dos limites de controle.

2. 2 em 3 pontos consecutivos fora dos limites de alerta (2σ ),
mas ainda dentro dos limites de controle.
3. 4 de 5 pontos consecutivos além dos limites de 1σ .
4. Uma sequência mínima de 8 pontos consecutivos de um
mesmo lado da linha central.

Taconeli & Zeviani Gráficos de Controle 49

Regras sensibilizantes para exame de gráficos de
controle

6 regras adicionais

5. 6 pontos em uma sequência sempre crescente ou decrescente.

6. 15 pontos em sequência entre os limites um sigma.
7. 14 pontos em sequência alternada para cima e para baixo.
8. 8 pontos em sequência de ambos os lados da linha central
fora dos limites um sigma.
9. Padrão não usual ou não aleatório nos dados.
10. 1 ou mais pontos perto dos limites de controle.

Taconeli & Zeviani Gráficos de Controle 50

Uso das regras sensibilizantes

I O uso de regras sensibilizantes aumenta o poder de detecção

de descontrole, mas torna o monitoramento mais suscetível a
falsos alarmes.
I Considerando apenas o conjunto de regras da Western Eletric,
o comprimento médio de sequência, sob controle, cai de 370
para 91,25.
I Regras sensibilizantes podem ser usadas para esquemas
adaptativos de amostragem.
I Exemplo: ao observar uma particular regra, podemos aumentar
momentaneamente o tamanho de amostra, ou a frequência de
amostragem, ao invés de realizar alguma intervenção mais
severa.

Taconeli & Zeviani Gráficos de Controle 51

As duas fases da aplicação de gráficos de controle

Fase I
A fase I tem caráter exploratório, permitindo:

I Avaliar se de fato o processo encontra-se sob controle.

I Analisar o comportamento do processo no cenário de controle
estatístico.
I Medir a capacidade do processo.
I Estimar os parâmetros do processo.
I Com base nas estimativas produzidas, estabelecer os limites
de controle.

Taconeli & Zeviani Gráficos de Controle 52

As duas fases da aplicação dos gráficos de controle

I Na fase I, a avaliação dos resultados é feita de forma

retrospectiva. É comum (mas muitas vezes insuficiente) se
usar 20 a 25 amostras nessa fase do processo;
I Se os resultados desse conjunto de amostras não aparentam
refletir um processo sob controle, deve-se intervir no processo,
identificar e eliminar todas as possíveis causas atribuíveis de
variação, e coletar novas amostras (repetir a fase I);
I Eventualmente, na presença de indicadores locais de
descontrole (como um ponto fora dos limites de controle),
identificados e eliminados durante a fase I, podemos eliminar
os correspondentes resultados e calcular os limites de
controle revisados (desconsiderando tais amostras).

Taconeli & Zeviani Gráficos de Controle 53

Exercício

Ao analisar um conjunto de amostras retrospectivamente, a

probabilidade de um processo sob controle produzir algum ponto
fora dos limites aumenta consideravelmente. Qual a probabilidade
de ocorrer ao menos um ponto fora dos limites, em tais
circunstâncias, para um conjunto de:

1. 1 amostras.
2. 5 amostras.
3. 10 amostras.
4. 20 amostras.
5. 50 amostras.
6. 100 amostras.

Taconeli & Zeviani Gráficos de Controle 54

Solução

Pr(“ao menos 1 fora de controle”)

= Pr ∪ni=1 “ponto i fora de controle”

= 1 − Pr(“nenhum ponto fora de controle”)

= 1 − Pr ∩ni=1 “ponto i sob controle”

. = 1 − (1 − Poder)n

n_amos <- c(1, 5, 10, 20, 50, 100) 1

2
# Sob controle. 3
round(1 - (1 - poder(L = 3, n = 5, shift = 0))^n_amos, digits = 3) 4

## [1] 0.003 0.013 0.027 0.053 0.126 0.237

# Fora de controle com delocamento de 0.5 1

round(1 - (1 - poder(L = 3, n = 5, shift = 0.5))^n_amos, digits = 3) 2

## [1] 0.030 0.141 0.262 0.456 0.781 0.952

Taconeli & Zeviani Gráficos de Controle 55

As duas fases da aplicação de gráficos de controle

I Alongar demasiadamente a fase I tem como efeito indesejado

a demora em efetivamente proceder o monitoramento do
processo (fase II).
I Uma alternativa é conduzir a fase I em etapas, usando as
amostras disponíveis a cada etapa para a estimação dos
parâmetros do processo e determinação dos limites de
controle.
I Exemplo: pode-se obter 20 amostras sob controle e calcular
os limites de controle. Obter outras 20 e recalcular os limites
com base nas 40 e assim sucessivamente, até ter se dispor de
uma base maior de amostras para se fixar permanentemente
os limites de controle.

Taconeli & Zeviani Gráficos de Controle 56

As duas fases da aplicação de gráficos de controle
A fase II

I A fase 2 tem como principal objetivo o monitoramento do

processo.
I Uma vez conhecido o comportamento do processo sob controle
estatístico e estabelecidos os limites de controle, na fase II
amostras são selecionadas periodicamente tendo seus
resultados avaliados com base nos resultados da primeira fase.
I O comprimento médio de sequência é um indicador de
desempenho importante para os gráficos de controle na
segunda fase.
I O uso de regras sensibilizantes, ou de gráficos de controle
mais elaborados, podem contribuir para um melhor
desempenho dos gráficos na fase II (sobretudo para detectar
alterações leves ou moderadas nos parâmetros do processo).

Taconeli & Zeviani Gráficos de Controle 57

O restante das sete ferramentas da qualidade

I Além do gráfico de controle, diversas outras ferramentas são

utilizadas em CEP com o objetivo de melhorar a qualidade
(diminuir a variabilidade) dos processos.
I A bibliografia da área relaciona as seguintes sete ferramentas
como fundamentais no contexto de CEP:
1. Histograma ou diagrama de ramos e folhas.
2. Folha de controle.
3. Gráfico de Pareto.
4. Diagrama de causa-e-efeito.
5. Diagrama de concentração de defeito.
6. Diagrama de dispersão.
7. Gráfico de controle.

Taconeli & Zeviani Gráficos de Controle 58