Universidade Federal do Rio Grande do Sul

Escola de Engenharia
Programa de Pós-Graduação em Engenharia de Produção

Proposta de um Método para a Aplicação de Gráficos de

Controle de Regressão no Monitoramento de Processos

Aluno: Danilo Cuzzuol Pedrini, Eng.

Orientadora: Carla Schwengber ten Caten, Dra

Porto Alegre, 4 de Maio de 2008

INTRODUÇÃO
 Tema e Justificativa
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Tema: gráfico de controle de regressão
Linha de Pesquisa: Engenharia da Qualidade
Modelagem estatística + Gráficos de Controle
ü Em alguns processos, ocorrem muitas alterações
nos valores das variáveis de controle, o que afeta
o comportamento da característica de qualidade:
• Pode ocorre a violação das suposições de independência e
distribuições idênticas dos dados, necessárias à aplicação
dos gráfico de controle clássicos;

ü Os métodos encontrados na literatura não são

estruturados com a separação entre análise
retrospectiva (Fase I) e monitoramento (Fase II).
 Objetivos
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Objetivo Geral

ü Propor um método para a aplicação dos gráficos

de controle de regressão em processos
industriais, considerando as fases de análise
retrospectiva e monitoramento do processo.
 Objetivos
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Objetivos Específicos

ü Propor uma modificação no gráfico de controle de

regressão múltipla, com uma adaptação dos
limites de controle, de forma que seja possível
monitorar os dados diretamente nas unidades
originais, além de preservar a ordem temporal
dos dados;

ü Propor um gráfico de controle para a verificação

da extrapolação das variáveis de controle;
 Objetivos
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Objetivos Específicos

ü Comparar o gráfico de controle de regressão

proposto com os gráficos encontrados na
literatura: gráfico de controle de regressão linear
múltipla, gráfico de controle de medidas
individuais aplicado aos resíduos do modelo de
regressão, gráfico EWMAREG e gráfico de somas
cumulativas aplicado aos resíduos do modelo
(CUSUMREG);

ü Obter o Número Médio de Amostras (NMA) do

gráfico de controle de regressão proposto e
comparar com os gráficos citados anteriormente.
 Metodologia
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

Natureza Pesquisa Aplicada

Classificação quanto a:

Objetivos Exploratória

Abordagem Quantitativa
 Metodologia
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Método do trabalho

3.1 • Aplicação em um processo

3.2 • Comparação com outros
métodos
 Delimitações
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

ü A modelagem utilizada serão modelos de

regressão linear múltipla para apenas uma
característica de qualidade;

ü As variáveis analisadas serão consideradas como

sendo sem erro de medida;

ü Não será realizada a análise de capacidade do

processo;

ü O método proposto será aplicado em apenas um

processo, logo generalizações deverão ser feitas
com ressalvas;

ü
 Estrutura do Trabalho
Introduç Revisã Método Aplicaçã Conclusõ
ão
CAPÍTULO 1 o- INTRODUçãO o es

Visão geral do trabalho

CAPÍTULO 2 – REVISãO BIBLIOGRáFICA

Modelos de regressão linear múltipla Controle estatístico de processos

Gráfico de controle de regressão

CAPÍTULO 3 – MéTODO PROPOSTO

Apresentação do método proposto

Modificação proposta Gráfico de controle de extrapolação

CAPÍTULO 4 – APLICAÇÃO DO MÉTODO PROPOSTO

Aplicação dos passos do método Comparação com outros métodos

Validação do método proposto

CAPÍTULO 5 – CONSIDERAÇÕES FINAIS

Conclusões Sugestões para trabalhos futuros
 REVISÃO
DA
LITERATURA
 Modelos de Regressão Linear
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

ü Representação genérica:

ü Supondo ~ NID(0, σ2) -> utiliza-se o método de

mínimos quadrados para estimar os coeficientes
de regressão:

ü Teorema de Gauss-Markov assegura que os

estimadores de MQO são não-viciados e com
mínima variância;

ü Variância do modelo é estimada por:

Fontes: Montgomery et al. (2005); Neter et al. (2005); Weisberg (2005)

 Testes
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
ü Teste para a Significância da Regressão:
• utilizam a análise de variância (ANOVA) e teste f;
• testam se pelo menos uma das variáveis de controle é
estatisticamente significativa para a característica de
qualidade;

ü Testes individuais para os coeficientes de

regressão:
• utilizam a estatística t;
• testam a significância de cada coeficiente de regressão
separadamente.

ü Multicolinearidade:
• é a correlação entre um ou mais variáveis de controle;
• afeta o desempenho do modelo de regressão;
• utiliza-se o FIV para verificar a existência de
multicolinearidade.
Fontes: Cook (1977); Montgomery et al. (2005); Neter et al. (2005); Weisberg (2005)
 Verificação de Suposições
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
ε ~ NID (0,
σ2)
?
ü Para verificar normalidade:
• Gráfico de probabilidade normal;
• Teste de Kolmogorov-Smirnov, Shapiro-Wilks, Anderson-
Darling;

ü Para verificar autocorrelação:

• Teste de Durbin-Watson;

ü Para verificar homocedasticidade:

• Gráfico de resíduos x valor estimado pelo modelo;
• Gráfico de resíduos x cada variável de controle.

Fontes: Montgomery e Runger (2003); Montgomery et al. (2005); Neter et al. (2005); Weisberg (2005)
 Estimação de Valores
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

ü O teorema de Gauss-Markov também garante que

a estimativa realizada com o MRLM é não-viciada
e com variância mínima.

ü Estimativa da Resposta Média:

• estimativa de y, para um vetor de valores de x que foi
utilizado para estimar o modelo de regressão;

ü Estimativa de uma nova observação:

• Estimativa de y para um novo conjunto de valores para as
variáveis de controle;
• Deve-se tomar cuidado com a extrapolação dos valores
das variáveis de controle.

Fontes: Montgomery et al. (2005); Neter et al. (2005); Weisberg (2005)

 Controle Estatístico de Processos
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

ü Conjunto de ferramentas que permite o

monitoramento do processo e identificação de
causas especiais que afetam o desempenho do
processo;

ü Causas comuns:
• Componente de variabilidade inerente a qualquer
processo;
ü Causas especiais:
• Ocorrem devido a uma falha de execução do processo;

ü Gráficos de controle para variáveis x Gráficos de

controle para atributos

Fontes: Montgomery (2004); Costa et al. (2005)

 Gráficos EWMA e CUSUM
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

ü São gráficos projetados para detectar pequenas

variações na média (δ< 1,5σ);

ü Gráfico EWMA -> utilizam uma ponderação entre a

observação mais atual e as observações anteriores:

• Limites de controle:

ü Gráfico CUSUM -> plota as somas acumuladas dos

desvios de cada amostra em relação ao valor alvo do
processo.
• Cusum tabular:
• Limites de controle: LIC = -H LSC = + H
Fontes: Montgomery (2004); Costa et al. (2005)
 Gráfico de Controle de Regressão
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

ü Apesar de existirem alguns trabalhos anteriores, a

autoria do gráfico de controle de regressão é
atribuída a Mandel (1969);

ü Para o caso em que a variável de controle é

ajustada em um nível extremo, ocorre uma
grande alteração na característica de qualidade:
• Gráficos de controle de Shewhart apontam o processo
como estando fora de controle;
• Seria necessário um início de procedimento de análise
retrospectiva para monitorar o processo, o que nem
sempre é possível devido ao pequeno número de dados
disponíveis;

ü Pode ser uma alternativa para processos

Fontes: autocorrelacionados
Jacobi et al. (2002); Montgomery (2004);ou processos
Loredo com
et al. (2002); Cai et al. (2002); Shu et al. (2004)
 Comparação
Introduç
ão
Gráficos de Controle de Shewhart
1) Monitoram uma média constante;
3) LC é a média obtida na análise
retrospectiva;
4) LC é paralela ao eixo horizontal;
6) Limites de controle paralelos à
LC;
7) Dados em ordem temporal;
9) Dados com distribuição normal,
com média constante;
ü e:
a; Mandel (1969); Jacobi et al. (2002); Almeida (2003); Montgomery (2004)
•Fontes:
Revisã Método Aplicaçã Conclusõ
o o es
Gráfico de Controle de Regressão
1) Monitoram média em relação ao
valor previsto pelo modelo;
2) LC é o valor previsto pelo modelo;
4) LC é inclinada em relação ao eixo
horizontal;
5) Limites de controle paralelos à
LC;
6) Dados ordenados de acordo com
o valor da variável de controle;
7) Dados com distribuição normal,
com média igual ao valor previsto
pelo modelo
 Limites de Controle
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
ü Distanciados k desvios-padrão dos erros em
relação à Linha central do gráfico:

ü Limites de controle simples:

• Equivalentes à análise de outliers de um modelo de
regressão!

ü Limites de controle baseados no desvio padrão da

resposta média:
• Não são recomendados, pois são muito estreitos!

ü Limites de controle para novas observações:

• Alguns autores não utilizam os termos da raiz.

Fontes: Mandel (1969); Olin (1998); Jacobi (2001); Almeida (2003)

Gráfico de Controle de Regressão Múltipla
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

ü Permite o monitoramento de processos com mais

de uma variável de controle;
ü É um gráfico de controle para resíduos
padronizados, plotados em ordem temporal;

• Similar ao gráfico de causas especiais de Alwan e Roberts

(1989)
ü Limites de controle:
ou ou

Fontes: Haworth (1996)

 Método
PROPOSTo
 Método Proposto
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

ü O método proposto será dividido em duas Fases:

• Análise retrospectiva (Fase I): coleta inicial de amostras,
ajuste do modelo de regressão e verificação de estabilidade;
• Monitoramento do processo (Fase II): coleta periódica de
amostras, verificação da extrapolação e monitoramento do
processo propriamente dito.

ü Modificação ao gráfico de controle de regressão

múltipla de forma a ser possível o monitoramento
direto da característica de qualidade -> facilitar a
aplicação em processos produtivos:
• Operadores tem dificuldade em assimilar certos conceitos
estatísticos, como o conceito de resíduo padronizado;
• Modificação permite acompanhar a dinâmica do processo

ü Gráfico de controle de extrapolação -> facilitar a

 Suposições Necessárias
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es

ü Existência de relação de causa-e-efeito entre a

característica de qualidade e pelo menos uma
variável de controle;

ü Característica de qualidade deve ser uma variável

contínua e sua relação com as variáveis de controle
deve ser ajustável por um modelo de regressão
linear;

ü Resíduos do modelo devem ser normal e

independentemente distribuídos, com média 0 e
desvio-padrão constante;

ü Dados monitorados na Fase II devem ter o mesmo

comportamento dos dados da Fase I.
 Fase I – Análise Retrospectiva
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Coleta de dados
ü Amostra significativa, que permita calcular os
coeficientes de regressão (n > k+1);

ü Garantir um número adequado de graus de

liberdade para os erros;

ü Amostras devem conter o valor de Y, associado aos

valores das variáveis de controle no momento do
ajuste;

ü Dados coletados em ordem temporal;

 Fase I – Análise Retrospectiva
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Ajuste do Modelo de Regressão
ü Sub-etapa 1:
• Rotina Stepwise para pré-seleção de variáveis;
• Estimação do modelo de regressão;

ü Sub-etapa 2:
• Teste de significância do modelo de regressão (teste f);
• Verificação de presença de multicolinearidade (FIV); FIV> 5
• Testes individuais para os coeficientes de regressão (teste t);
• Verificação de existência de observações influentes
(Distância de Cook);
• Verificação da suposição: εi ~ NID (0, σ2).
α = 5% Di > F(0,5;p; n-p)
 Fase I – Análise Retrospectiva
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Gráfico de Controle da Fase I
ü Uso de limites dos limites de controle simples:

ü Diferenças em relação aos gráficos de controle de

regressão clássico:
• Preservação da ordem de coleta das amostras;
• Linha central e limites de controle são “móveis”.

ü Testes de estabilidade utilizados:

• Teste 1: ponto acima do LSC ou abaixo do LIC;
• Teste 2: seqüência de 8 pontos localizados do mesmo lado
da linha central;
• Teste 3: 6 pontos em seqüência crescente ou decrescente.

ü Se não há pontos fora de controle, prossegue-se

 Fase II – Monitoramento do Processo
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Coleta de Dados
ü Amostras de tamanho n = 1, devem conter:
• Valor da característica de qualidade y;
• Valores para as variáveis de controle estatisticamente
significativas, associadas ao y coletado;

ü Dados coletados em ordem temporal;

 Fase II – Monitoramento do Processo
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Monitoramento das Variáveis de Controle
ü Modelo de regressão pode apresentar estimativas ruins
quando ocorre extrapolação:
• Pode prejudicar o desempenho do gráfico de controle de
regressão.

ü Proposta: Gráfico de controle de extrapolação

• Adaptação gráfica para o procedimento descrito em
Montgomery et al. (2001);
• Característica monitorada:
Maior hii da
• Não apresenta LC e LIC:
Fase I

ü hmax delimita a região definida pelos valores das variáveis

de controle utilizados para es
 Fase II – Monitoramento do Processo
Introduç Revisã Método Aplicaçã Conclusõ
ão o o es
Monitoramento da Característica de Qualidade
ü O valor previsto pelo modelo é o valor ideal para a
característica de qualidade do processo;

ü Limites para o gráfico de controle de regressão da

Fase II:

ü hjj é um fator de correção:

• As previsões do modelo de regressão se tornam piores à
medida que se afasta do centro do elipsóide formado pelo
conjunto de valores das variáveis de controle;

ü Aplicam-se os mesmos 3 testes de estabilidade

aplicados na Fase I.
 APLICAÇÃO Do
método proposto
 Apresentação
Introdução Revisão Método Aplicação Conclusões

ü Dividido em duas partes:

• Aplicação do Método Proposto: é a apresentação e análise
dos resultados da aplicação do método proposto em um
processo produtivo;
• Comparação do gráfico de controle proposto com outros
gráficos encontrados na literatura: aplicação nos mesmos
dados e simulação para obtenção do Número Médio de
Amostras (NMA) dos gráficos estudados;

ü Métodos a serem comparados:

• Gráfico de controle de regressão múltipla, proposto por
Haworth (1996);
• Gráfico para os resíduos, com limites de controle estimados
pela amplitude móvel dos resíduos, proposto por Loredo et
al. (2002);
• Gráfico EWMAREG, proposto por Shu et al. (2004);
Aplicação em um Processo Produtivo
Introdução Revisão Método Aplicação Conclusões

ü Processo de Extrusão de Bandas de Rodagem de

uma indústria de borrachas;

ü Característica de qualidade: tempo de

estabilização;

ü Apresenta 7 variáveis de controle:

• Temperatura na Fieira (x1);
• Nível de Plastificação (x2);
• Parâmetro de carregamento (x3);
• Fator de enchimento (x4);
• Temperatura da hélice (x5);
• Temperatura Y (x6);
• Tempo de setup (x ).
 Aplicação da Fase I
Introdução Revisão Método Aplicação Conclusões

Coleta de dados
ü Dados coletados através de um experimento 27-2:
• Resulta em 32 amostras coletadas.

Possibilita o estudo de: 7 efeitos

principais e 24 efeitos de interações
entre as variáveis de controle.
 Aplicação da Fase I
Introdução Revisão Método Aplicação Conclusões

Ajuste do Modelo de Regressão

ü Modelo estimado pelo MQO:

R2= 76,8%

ü Teste f:

ü Fator de Inflação de Variância (FIV);

ü Testes t individuais;

ü Distância de Cook não apontou nenhuma amostra

como sendo influente.
 Aplicação da Fase I
ε ~ NID (0, Introdução Revisão Método Aplicação Conclusões
σ2)?
Ajuste do Modelo de Regressão
ü Teste de Durbin-Watson : dn= 1,947
>d u
dp= 2,053

Gráfico dos resíduos versus valores Gráfico de probabilidade normal dos

estimados de y. ε ~ NID (0,
resíduos
σ 2) !

ü:

valor p de
0,15
 Aplicação da Fase I
Introdução Revisão Método Aplicação Conclusões

Gráfico de Controle de Regressão

ü QMR do modelo foi igual a 22,1 -> se=22,1

ü Limites de Controle da Fase I:

ü Gráfico de Controle da Fase I:

Não há pontos
fora de controle!
 Aplicação da Fase II
Introdução Revisão Método Aplicação Conclusões

ü Como o processo foi considerado sob controle, na Fase I:

• Desvio-padrão e equação de regressão podem ser utilizados
para o gráfico de controle de regressão da Fase II;
• hmax e (X’X)-1 podem ser utilizados no gráfico de controle de
extrapolação;

ü Dados coletados:
• 122 amostras individuais foram coletadas no processo;
 Aplicação da Fase II
Introdução Revisão Método Aplicação Conclusões

Gráfico de Controle de Extrapolação

ü Limite de controle:

Amostra 41 está
fora de controle!

ü Amostra 41 será desconsiderada para o gráfico de

controle de regressão proposto.
 Aplicação da Fase II
Introdução Revisão Método Aplicação Conclusões

Gráfico de Controle de Regressão

ü Limites de controle:

ü Gráfico de Controle de Extrapolação:

Amostras fora
de controle!

ü As amostras 2 e 30 estão fora de controle.

 Comparação Gráfica
Introdução Revisão Método Aplicação Conclusões

ü Gráfico de controle de ü Gráfico de controle

regressão múltipla de para individuais,
Haworth (1996): proposto por Loredo el
al. (2002):

Não há pontos Amostra 30 fora

fora de controle! de controle!
 Comparação Gráfica
Introdução Revisão Método Aplicação Conclusões

ü Gráfico EWMAREG, ü Gráfico CUSUMREG:

proposto por Shu et al.
(2004)

Não há pontos
fora de controle!
 Comparação pelo NMA
Introdução Revisão Método Aplicação Conclusões

ü Para os gráficos de controle de regressão múltipla,

gráfico de controle de medidas individuais e para o
gráfico proposto, será utilizado o método de
Simulação de Monte Carlo:
• Gera-se 5 mil valores para cada variável de controle,
utilizando-se uma distribuição uniforme;
• Gera-se 5 mil valores para os resíduos, segundo uma normal
com médio zero e desvio-padrão 22,1;
• Altera-se o vetor de coeficientes de regressão conforme
desejado;
• Calcula-se os pontos fora e sob controle;

ü Para os gráficos EWMAREG e CUSUMREG, soluciona-

 Comparação pelo NMA
Introdução Revisão Método Aplicação Conclusões

Alterações no Coeficiente de Intercepto

ü Causam alterações na média dos resíduos, sem

alterar sua variância;

ü Principais resultados:
• Gráfico de controle de regressão múltipla apresenta o maior
NMA0, ou seja, a menor ocorrência de alarmes falsos;
• Para modificações em β0 inferiores a 2,5σe, o gráfico
EWMAREG apresenta o melhor desempenho;
• Gráfico EWMAREG com os parâmetros escolhidos apresenta
menor NMA que o gráfico CUSUMREG;
• Gráfico de controle de regressão proposto apresenta
desempenho melhor que os demais para grandes alterações
em β0.
 Comparação pelo NMA
Introdução Revisão Método Aplicação Conclusões

Alterações no Coeficiente de Inclinação

ü Causam alterações na variabilidade dos resíduos,

sem alterar sua média;

ü Gráficos EWMAREG e CUSUMREG não foram

analisados;

ü Principais resultados:
• Os gráficos analisados apresentam um desempenho
insatisfatório;
• Gráfico de controle proposto apresenta o melhor desempenho;
 Comparação pelo NMA
Introdução Revisão Método Aplicação Conclusões

Alterações simultâneas em β0 e β1

ü Causam alterações na média e variabilidade dos

resíduos;

ü Gráficos EWMAREG e CUSUMREG não foram

analisados;

ü Principais resultados:
• Gráfico de controle proposto apresenta o melhor desempenho;
• Para todas as faixas de alteração em β0 e alterações acima de
2,5σe em β1, o gráfico de controle para medidas individuais
CONCLUSÃO
 Considerações Finais
Introdução Revisão Método Aplicação Conclusões

üMétodo orientativo proposto, estruturado em duas fases:

• Fase I - Análise retrospectiva;
• Fase II – Monitoramento do Processo.

üAlteração no gráfico de controle de regressão múltipla, de

forma a monitorar a característica de qualidade diretamente;

üProposição do gráfico de controle de extrapolação;

üAplicação do método em um processo de uma indústria de

borrachas;
 Considerações Finais
Introdução Revisão Método Aplicação Conclusões

üCom o uso do Método de Monte Carlo, obteve-se o NMA

do gráfico de controle de regressão proposto;

üGráfico proposto apresentou um bom desempenho em

alterações isoladas em β0 e simultâneas em β0 e β1;

üDesempenho insatisfatório em alterações isoladas em β1,

embora superior aos demais gráficos;

üDessa forma, considera-se que o método proposto foi

validado
 Sugestões para Trabalhos Futuros
Introdução Revisão Método Aplicação Conclusões

Aplicação do método proposto em outros processos;

Comparação entre técnicas de perfis lineares e gráfico de controle

de regressão;

Proposta de um gráfico de controle para monitorar a variabilidade;

Obtenção do NMA para o gráfico de controle de extrapolação;

Obter o NMA para o gráfico de controle de regressão e um gráfico

baseado em séries temporais, quando aplicados na mesma
situação;

Utilização de gráficos de controle baseados em modelos para

frações de não-conformes;
 Universidade Federal do Rio Grande do Sul
Escola de Engenharia
Programa de Pós-Graduação em Engenharia de Produção

Proposta de um Método para a Aplicação de Gráficos de

Controle de Regressão no Monitoramento de Processos

Aluno: Danilo Cuzzuol Pedrini, Eng.

Orientadora: Carla Schwengber ten Caten, Dra

Porto Alegre, 4 de Maio de 2008