Escolar Documentos
Profissional Documentos
Cultura Documentos
Controle Processo 3
Controle Processo 3
CONTROLE ESTATÍSTICO
DE PROCESSO
www.felipelopes.com
D E - C E E M Q - UFSM
2007
1
1. INTRODUÇÃO
Controle da qualidade é um conjunto de ações ou medidas desenvolvidas
com o objetivo de assegurar que os serviços ou produtos gerados atendam aos
requisitos segundo os quais foram especificados. Segundo a ISO 8402,
Controle da Qualidade é definido como sendo o conjunto de “técnicas e
atividades operacionais usadas para atender os requisitos para a qualidade”.
Os registros históricos nos mostram que até o final do século XVIII, antes
do início da era industrial, os empreendimentos eram, na sua maioria, de
natureza individual ou familiar e cada um definia e controlava a qualidade dos
produtos ou serviços que gerava. Curiosamente, esta é uma postura muito
atual. No que se refere a “garantia da qualidade”, “cada um é responsável pela
qualidade do que faz”. A diferença entre um profissional do final do século XVIII
e o seu colega dos anos 90 está na forma segundo a qual aquele entendia e
este entende a função “qualidade”. Para o profissional do século XVIII a
“qualidade” estava relacionada ao atendimento as especificações do produto,
especificações estas quase sempre ditadas por ele mesmo. Ele definia o que
deveria ser “qualidade”, produzia e, eventualmente, quase sempre sem uma
programação específica definida, inspecionava o produto para verificar se
estava conforme as suas especificações. Hoje, a “qualidade” é definida pelo
cliente.
cliente vão ser atendidas. Não se trata mais apenas de uma inspeção final para
verificar se o produto tem ou não defeitos de fabricação.
Entretanto, não se pode dizer que a sociedade, até o início do século XIX,
encontrava-se totalmente sem estruturas organizacionais orientadas para o
controle da qualidade. Registra-se, no decorrer da idade média, intensas
atividades de associações de artesões, estabelecendo padrões que visavam
proteger ganhos econômicos e sociais de seus associados e regular a
economia. Para alcançar esses objetivos essas associações desenvolveram
intensos e importantes trabalhos estabelecendo salários, condições de trabalho
e especificações para matérias-primas e produtos acabados.
Nos anos 60, o uso prático da estatística como ferramenta para o controle
de processo se consolidou e foram lançadas as bases para a implantação dos
conceitos de Total Quality Control - TQC, desenvolvidos por Feigenbaum. O
parque industrial japonês, ainda infante, serviu de palco para a implementação
destes conceitos, na década seguinte.
A função qualidade pode, também, ser analisada pelo objeto do seu foco.
Até a década de 40 o produto era o ponto de aglutinação de todos os esforços
5
Logo têm-se:
- Gráfico seqüencial
24,619
2 4 6 8 10 12 14 16 18 20
Amostras
- Limites de Controle
σ2 σ
E( x ) = µ , V( x ) = e σx =
n n
Se o processo está sob controle, variando apenas por força dos fatores
inerentes ao processo (não identificáveis), espera-se que:
P(LIC ≤ x ≤ LSC) ≥ 1 − α
onde α é um número arbitrário, mas fixo e pequeno, da ordem de 1%. Os
limites LIC (limite inferior de controle) e LSC (limite superior de controle) são
chamados de limites probabilísticos e a probabilidade de uma observação da
v.a. X situar-se fora desses limites é muito pequena, dado o valor de α .
Sendo assim quando ocorrer de uma observação situar-se fora dos limites de
controle, isto terá como causa um fator particular (identificável) de variação. É
claro que a observação poderá ficar fora dos limites por obra do acaso, mas
isto é pouco provável dado α .Uma alternativa para se construir os limites de
controle é defini-los em termos de múltiplos do desvio-padrão da v.a. plotada
no gráfico (no caso está-se considerando x ),
LIC = µ x − kσ x e LSC = µ x + kσ x
onde k é uma constante positiva. Um valor muito usado para k é 3 e tem-se
então os limites a 3 desvios padrões. Estes limites podem ser construídos
mesmo nas situações onde a distribuição de probabilidade da v.a. X não seja
conhecida. Quem garante este fato é a chamada Desigualdade de
Tchebychev:
σ2
P ( X − µ ≥ ε) ≤ ∀ε > 0
ε2
Veja que se fizermos ε = kσ tem-se na desigualdade
σ2 1
P( X − µ ≥ kσ) ≤ 2 2 e P( X − µ ≥ kσ ) ≤ 2
k σ k
1
Quando se quer limites de 3 desvios padrões tem-se: P( X − µ ≥ 3σ) ≤
32
P( X − µ ≥ 3σ) ≤ 0,1111
Considerando a situação onde µ = 74,0 mm é a média da v.a. que está
associada com o diâmetro do anel do pistão e σ = 0,01 mm é o seu desvio
padrão, tem-se para x de amostras aleatórias com tamanho n = 5 anéis
tomadas de hora em hora do processo, as estatísticas seguintes:
σ x = σ / n = 0,01 / 5 = 0,0045
LSC 10,453
Medidas
LC 9,9697
LIC 9,4859
1 2 3 4 5 6 7 8 9 10 11
Amostras
Fluxograma Histograma
Gráfico de Pareto
Brainstorming
Gráfico Sequencial
Tempestade de Gráfico de controle
idéias
Estratificação
- Fluxograma
3) Comparar os dois gráficos para verificar onde diferem entre si, pois aí
estará a raiz do problema.
Assistir um Programa de TV
Ligar a TV
Não
Aparece O fio está
a Imagem? na tomada?
Sim Não
A imagem Conectar
é boa? o fio
Sim
Não Sim
Operar os Aparece
ajustes a Imagem?
Sim
Não
Não Chamar a
A imagem
Assistência
é boa?
Técnica
Sim
Assistir
o programa
devolver e
aprovados?
consertar
montagem
automática
refazer ou
aprovados?
sucatear
montagem
manual
aprovados?
soldagem e
limpeza
refazer ou
aprovados?
sucatear
montagem final
aprovados?
passou no
refazerl
teste final?
expedição
- Folha de verificação
- Brainstorming
1o) Estruturado
1a) Cada membro do grupo deve escrever ou falar sobre o problema que julgar
mais importante. Depois que todos escreverem a sua escolha de problemas
recolha o papel com os problemas.
3a) Peça para cada membro do grupo ordenar os problemas pelo grau de
importância crescente, segundo o critério de cada um.
18
- Histograma
- Exemplo
3,56 3,46 3,48 3,50 3,42 3,43 3,52 3,49 3,44 3,50
3,48 3,56 3,50 3,52 3,47 3,48 3,46 3,50 3,56 3,38
3,41 3,37 3,47 3,49 3,45 3,44 3,50 3,49 3,46 3,46
3,55 3,52 3,44 3,50 3,45 3,44 3,48 3,46 3,52 3,46
3,48 3,48 3,32 3,40 3,52 3,34 3,46 3,43 3,30 3,46
3,59 3,63 3,59 3,47 3,38 3,52 3,45 3,48 3,31 3,46
3,40 3,54 3,46 3,51 3,48 3,50 3,68 3,60 3,46 3,52
3,48 3,50 3,56 3,50 3,52 3,46 3,48 3,46 3,52 3,56
3,52 3,48 3,46 3,45 3,46 3,54 3,54 3,48 3,49 3,41
3,41 3,45 3,34 3,44 3,47 3,47 3,41 3,48 3,54 3,47
35
30
25
20
Freqüência
15
10
0
3,30 3,34 3,38 3,43 3,47 3,51 3,55 3,60 3,64 3,68
Classes
FIGURA 6 – Histograma
20
- Perguntas:
a) Qual é a mais comum espessura da chapa ?
- Diagrama de Pareto
- Exemplo
90
100%
80
70 80%
60
50 60%
Escores
44
40
40%
30
20
14 20%
10
10 8
5
3 2
0
rotação imprópria ruído falhas pressão sobra outras falha completa
antes do aperfeiçoamento
040
100%
035
030 80%
025
Escores
60%
020
015 40%
12
010 8
6 20%
05 4 4
2
1
00
ruído pressão falhas falha completa
rotação imprópria outras calafetar o eixo
Após o aperfeiçoamento
Médodo Pessoas
Local
Treinamento
Tipo
Qualificação
Qualidade
Embalagem
Armazem Manutenção
Assitência
Materiais Maquinaria
Causas Efeito
a) Materiais
b) Maquinaria
c) Método
d) Pessoas (Mão-de-obra)
3) Interpretação
- Diagrama de Dispersão
Exemplo 3
100
Porcentagem de Recobrimento
80
60
40
20
-20
2 4 6 8 10 12 14 16 18 20
Quantidade de Metal Fundido
Existem várias razões para o uso dos gráficos de controle, tais como:
2a) Quando as medidas são passíveis, mas não são tomadas por
questões econômicas, te tempo, ou de necessidades. Em outras
palavras, quando o diâmetro de um furo pode ser medido com um
micrômetro interno, mas utiliza-se um calibre passa-não-passa para
determinar a sua conformidade com as especificações.
p = fração defeituosa;
p (1 − p ) (5.2a)
LIC p = p − 3
n
LC p = p (5.2b)
p (1 − p ) (5.2c)
LSC p = p + 3
n
onde:
- Exemplo
1 50 4 0,08
2 50 2 0,04
3 50 5 0,10
4 50 3 0,06
5 50 2 0,04
6 50 1 0,02
7 50 3 0,06
8 50 2 0,04
9 50 5 0,10
10 50 4 0,08
11 50 3 0,06
12 50 5 0,10
13 50 5 0,10
14 50 2 0,04
15 50 3 0,06
16 50 2 0,04
17 50 4 0,08
18 50 10 0,20
19 50 4 0,08
20 50 3 0,06
21 50 2 0,04
22 50 5 0,10
23 50 4 0,08
24 50 3 0,06
25 50 4 0,08
Total 1250 90 ---
- Cálculos:
Σnp 90
p= = = 0,072
Σn 1250
p (1 − p ) 0,072(1 − 0,072)
LICp = p - 3 = 0,072 - 3 = - 0,038 = 0
n 50
LCp = p = 0,072
p (1 − p ) 0,072(1 − 0,072)
LSCp = p + 3 = 0,072 + 3 = 1,8167
n 50
33
,18167
,07200
0,0000
5 10 15 20 25
3o) Calcular np .
np i =
∑p i
,
(5.5)
∑n
onde:
pi = número de defeitos;
np = po = pnew =
∑ np − ∑ np d
= total subgrupo;
∑n − ∑n d
- Exercício
A amostra a seguir é de uma loja de departamentos onde se pretende
verificar se existe variabilidade ou não, relativa ao grau de insatisfação dos
clientes. Para isso, foram coletados 20 subgrupos, onde cada um deles possui
300 observações.
TABELA 7 – Número de clientes insatisfeitos
Número do Observações Número de Clientes
Subgrupo Insatisfeitos
1 300 10
2 300 12
3 300 8
4 300 9
5 300 6
6 300 11
7 300 13
8 300 10
9 300 8
10 300 9
35
continuação...
11 300 6
12 300 19
13 300 10
14 300 7
15 300 8
16 300 4
17 300 11
18 300 10
19 300 6
20 300 7
Total 184
- Cálculos:
np =
∑ pi = 184 = 9,2
∑ n 20
LIC np = np − 3 np (1 − p ) = 9,2 − 3 9,2(1 − (9,2 / 300)) = 0,241
LC np = np = 9,2
18,159
9,2000
,24116
2 4 6 8 10 12 14 16 18 20
LIC c = c − 3 c (5.8a)
LC c = c (5.8b)
LSCc = c + 3 c (5.8c)
- Exemplo
Neste estudo de caso, serão analisados 26 subgrupos de uma amostra de 100
placas de circuito impresso.
TABELA 8 – Dados da variável placa de circuito impresso
Número de Observações Número de
Subgrupos Não-conformes
1 1 21
2 1 24
3 1 16
4 1 12
5 1 15
6 1 5
7 1 28
8 1 20
9 1 31
10 1 25
11 1 20
12 1 24
38
continuação...
13 1 16
14 1 19
15 1 10
16 1 17
17 1 13
18 1 22
19 1 18
20 1 39
21 1 30
22 1 24
23 1 16
24 1 19
25 1 17
26 1 15
Total 516
- Cálculos:
Σc 516
c= = = 19,85
g 26
LICc = c − 3 c = 19,85 -3 19,85 = 6,48
LCc = c = 19,85
LSCc = c + 3 c = 19,85 +3 19,85 = 33,22
33,211
19,846
6,4814
5 10 15 20 25
∑uj=1
j
(5.10)
u=
k
4) Calcular o tamanho médio das amostras:
k
∑nj=1
j
(5.11)
n=
k
5) Calcular os limites de controle.
u (5.12a)
LIC u = u − 3
n
LM u = u (5.12b)
u (5.12c)
LSC u = u + 3
n
- Exemplo
Este exemplo tem por finalidade detectar os defeitos por unidade na linha
de produção de computadores pessoais.
40
Σc 38,60
u= = = 1,93
Σn 20
u 1,93
LSCu = u + 3 = 1,93 + 3 = 3,79
n 5
LC = u = 1,93
u 1,93
LICu = u − 3 = 1,93 - 3 = 0,07
n 5
41
3,7939
1,9300
,06613
2 4 6 8 10 12 14 16 18 20
- Exercícios
continuação...
11 181 38 25 162 18
12 115 38 26 191 22
13 165 3 27 139 16
14 189 26 28 181 27
--- --- --- Total 4506 642
Solução:
p (1 − p ) 0,1425(1 − 0,1425)
n = 195 → LSCp = p + 3 = 0,1425 + 3 = 0,2176
n 195
p (1 − p ) 0,1425(1 − 0,1425)
n = 45 → LSCp = p + 3 = 0,1425 + 3 = 0,2988
n 45
Subgrupo 12 (n =115)
44
p (1 − p ) 0,1425(1 − 0,1425)
LSCp = p + 3 = 0,1425 + 3 = 0,24 (fora dos limites)
n 115
pnew =
∑ np − ∑ np d
=
642 − 33 − 50
=
559
= 0,132
∑n − ∑n d 4506 − 115 − 141 4250
pnew = 0,132
A fração defeituosa po = 0,132 deverá ser usada para o próximo período
de produção.
delas. Para fins de controle, devem ser escolhidas as variáveis que causam
rejeição ou retificação do produto, envolvendo custos substanciais.
Os gráficos de controle para atributo não usam toda a informação disponível
sobre a distribuição dos valores assumidos pelas variáveis, portanto tendem a
serem ineficazes no controle de aspectos quantitativos da qualidade. Desta
maneira, percebe-se que procedimentos mais eficientes são necessários para
o tratamento dessas situações. Já os gráficos de controle para variáveis
fornecem um maior número de informações a respeito do desempenho do
processo do que os gráficos para atributos. Quando se quer analisar um
aspecto quantitativo da qualidade, em geral, controla-se o valor médio e a
variabilidade por meio de gráficos separados.
O gráfico da média ( X ) é utilizado para o controle do valor médio do
desempenho do processo. O gráfico do desvio padrão (s) e o mais comum, que
é denominado de amplitude (gráfico R), são utilizados para o controle da
variabilidade do processo.
Durante o processo de fabricação de um produto ou serviço, a qualidade do
mesmo pode estar sujeito a variações, que podem ser classificadas em dois
tipos, conforme mostram as Figuras 15 e 16.
⎛ x −µ ⎞
P⎜ − Z α / 2 ≤ ≤ Z α / 2 ⎟1 − α
⎝ σ/ n ⎠
⎛ σ σ ⎞ (5.13)
P⎜ x − Z α / 2 ≤ µ ≤ x + Zα / 2 ⎟ = 1− α ,
⎝ n n⎠
que é o intervalo de confiança de nível 1 - α para o parâmetro µ a média do
processo. Portanto, pode-se usar os limites do intervalo de confiança como
limites de controle para a média,
σ (5.14a)
LIC = x − Z α / 2
n
σ (5.14b)
LSC = x + Z α / 2 .
n
Suponha, agora que m amostras aleatórias de tamanho n são disponíveis
ou seja tem-se m amostras com n observações cada uma. A magnitude de n é
da ordem de 4, 5 ou 6 observações. Das m amostras obtém-se as médias
amostrais:
x 1 ,x 2 ,x 3 ,...,x m
e também a média amostral global, considerando todas as m observações
x + x 2 +...+ x m
x= 1
m
Deste modo x é o melhor estimador da média do processo µ.
W = Rσ
Esta variável aleatória W é chamada amplitude relativa e a média da
distribuição de W é representada por d2. Assim, um estimador do desvio-
padrão σ é dado por:
49
R
σˆ =
d2
o valor de d2 é função do tamanho da amostra n. Agora, tomando-se as m
amostras de tamanho n, disponíveis, obtém-se a amplitude amostral média R ,
R 1 + R 2 + ... + R m
R=
m
e uma boa estimativa de σ é:
R
σˆ =
d2
Mas, por qual razão se usa o estimador de σ, dado acima quando se
dispõe de estatística mais eficiente (s)? A resposta é a simplicidade de cálculo
e também porque a eficiência de σˆ = R / d 2 é praticamente a mesma de s
quando o tamanho da amostra é baixo (n < 10). Finalmente, com as
estimativas de todos os parâmetros tem-se os limites de controle:
3R
LIC = x −
d2 n
3R
LSC = x +
d2 n
LIC = x − A 2 R
LSC = x + A 2 R
Os valores de A2 , d2, ... por serem constantes que vão depender do
tamanho da amostra (n), encontram-se tabelados nos Anexos A e B;
50
- Gráfico xeR
Este tipo gráfico é usado para controlar e analisar um processo com
valores contínuos de qualidade do produto, como o comprimento, o peso ou a
concentração. Tais valores fornecem maior quantidade de informações sobre o
processo.
quatro e cinco itens e subgrupos que variam de 20 a 25, pois fornecem uma
boa estimativa sobre a dispersão do processo.
∑ Xi ∑R i
X= i =1
e R= i =1
(5.15)
g g
onde:
X = média das médias dos subgrupos;
X i = média do i-ésimo subgrupo;
g = número de subgrupos;
R = média dos ranges dos subgrupos;
R i = range do i-ésimo subgrupo.
Os limites de controle para os gráficos X e R são estabelecidos de
acordo com os desvios padrões desejados, através das fórmulas abaixo.
LSC X = X + A 3 s (5.16a)
LC X = X (5.16b)
LIC X = X − A 3 s . (5.16c)
LSC R = R + 3σ R (5.17a)
LCR = R (5.17b)
LIC R = R − 3σ R . (5.17c)
onde:
LSC = limite superior de controle;
LIC = limite inferior de controle;
LC = limite central;
σ X = desvio padrão das médias dos subgrupos;
LSC X = X + A 2 R (5.18a)
LC X = X (5.18b)
LIC X = X − A 2 R . (5.18c)
LSC R = D 4 R (5.18a)
LCR = R (5.18b)
LIC R = D 3 R . (5.18c)
5o) Interpretar os gráficos
Se o processo estiver sob controle estatístico, adota-se o gráfico de
controle para monitorar as observações atuais e futuras; caso contrário,
conduzem-se ações de melhoria até que seja atingido o nível de qualidade
desejado ao processo, em que os limites de controle são recalculados, e os
pontos que ultrapassarem tais limites, descartados.
- Exemplo
continuação...
17 940 938 929 947 939 18
18 936 942 927 931 934 15
19 944 936 953 932 941 21
20 942 958 948 950 950 16
21 954 940 933 912 935 42
22 910 938 945 936 932 35
23 941 952 947 922 941 30
24 948 953 948 950 950 5
25 956 939 952 946 948 17
26 945 951 946 926 942 25
27 930 918 921 926 924 12
28 946 915 926 946 933 31
29 947 925 936 947 939 22
30 934 925 937 950 937 25
Total 8125 724
- Cálculos
g
∑X i
28125
X= i =1
= = 937,48
g 30
∑R i
724
R= i =1
= = 24,13
g 30
LC x = X = 937,48
LCR = R = 24,133
LICR = D 3 R = 0 ( 24,13) = 0
54
X-bar
955,07
937,48
919,90
5 10 15 20 25 30
55,074
24,133
0,0000
5 10 15 20 25 30
- Gráfico X – s
∑ (X i − X) 2
s= i =1
(5.19)
n −1
onde:
n= tamanho do subgrupo.
∑s i
s= i =1
(5.20)
g
g
∑X i
X= i =1
(5.21)
g
onde:
g = tamanho da amostra.
LSC X = X + A 3 s (5.22a)
LC X = X (5.22b)
LIC X = X − A 3 s . (5.22c)
LSC s = B 4 s (5.22a)
LSC s = s (5.22b)
LICs = B 3 s . (5.22c)
onde:
A3, B3, B4 = fatores retirados da Tabela do Anexo A, para cálculo dos limites de
controle.
- Exemplo
∑s i
349,681
s= i =1
= = 11,66
g 30
∑X i
17249
X= i =1
= = 574,96
g 30
LC x = X = 574,96
LC s = s = 11,656
LICs = B 3 s = (0)(11,66) = 0
X-bar
593,94
574,96
555,98
5 10 15 20 25 30
26,413
11,656
0,0000
5 10 15 20 25 30
- Gráfico x individual
O gráfico de controle para medidas individuais pode ser interpretado como
um gráfico de controle X comum. O gráfico de controle para medidas
individuais é bastante insensível a pequenas mudanças na média do processo
e deve ser aplicado em situações no qual o tamanho usado para controle de
processo é n = 1, ou melhor, nos casos em que a inspeção automática e a
tecnologia de medida são usadas, sendo cada unidade fabricada analisada, ou
58
X
X=∑ (2.23)
K
Rm
Rm = ∑ K −1 (2.24)
2o) Cálculo dos limites de controle do X
LSC x = X − E 2 .R m (5.25a)
LC x = X (5.25b)
LSC x = X + E 2 .R m (5.25c)
com:
3
E2 = .
d2
3o) Cálculo dos limites de controle do Rm
LSC Rm = D 4 .R m (5.26a)
LMRm = R m (5.26b)
LIC Rm = D 3 .R m (5.26c)
onde:
R m = amplitude móvel;
E2 = fator para cálculo dos limites de controle (Anexo B);
1º Caso:
Um ponto além da zona A, isto é, acima do limite
superior de controle ou abaixo do limite inferior
de controle.
60
continuação...
2º Caso:
Nove pontos sucessivos de um mesmo lado do
valor central, ou seja, todos acima ou abaixo da
linha média.
3º Caso:
Seis pontos sucessivos aumentando ou
diminuindo constantemente.
4º Caso:
Quatorze pontos sucessivos alternando-se para
cima e para baixo.
5º Caso:
Dois em três pontos sucessivos na mesma zona
A ou além dela.
6º Caso:
Quatro em cinco pontos sucessivos, situados na
zona A ou B ou além dela, de um mesmo lado
do gráfico.
7º Caso:
Quinze pontos sucessivos situados na zona C,
acima ou abaixo da linha central.
8º Caso:
Oito pontos sucessivos de ambos os lados da
linha central fora da zona C.
- Exemplo
Para verificar a estabilidade e a variabilidade da umidade da barbotina,
usou-se o gráfico de controle X individual, devido à amostra desta variável ser
unitária, ou seja, n = 1. Para isso, foram seguidos alguns passos:
61
continuação...
51 6,4 0,4 111 6,5 0,2
52 6,6 0,2 112 6,7 0,2
53 6 0,6 113 6,4 0,3
54 6,4 0,4 114 6,3 0,1
55 6,4 0 115 6,5 0,2
56 6,5 0,1 116 6,1 0,4
57 6,2 0,3 117 6,5 0,4
58 6,6 0,4 118 6,1 0,4
59 6,4 0,2 119 5,9 0,2
60 6,5 0,1 120 6,5 0,6
Total 753,3 31,0
- Cálculos
X 753,3
X =∑ = = 6,28
K 120
Rm 31
Rm = ∑ K −1 = 120 − 1 = 0,26
D4 = 3,267 e D3 = 0 (Anexo B).
LSC Rm = D4 . R m = 3,267. 0,26 = 0,85095
LM Rm = R m =0,2605
LICRm = D3 . R m = 0 . 0,26 = 0
3
E2 = = 2,660
d2
E2 = 2,660 foi retirado da tabela do Anexo B.
LSC x = X + E2 . Rm = 6,28 + 2,660. 0,26 = 6,9701
LC x = X = 6,2775
X-bar
6,9701
6,2775
5,5849
20 40 60 80 100 120
,85095
,26050
0,0000
20 40 60 80 100 120
- Exercícios
continuação...
12 49,5 0,6 27 49,1 1,3
13 50,5 1 28 49,2 0,1
14 50,1 0,4 29 49,9 0,7
15 49,6 0,5 30 49,3 0,6
--- --- -- Total 1494,2 22,1
R Ö x = 49,81 , LSC x = 51,83 , LIC x = 47,79
R m = 0,76 , LSC Rm = 2,48 , LIC Rm = 0,0
A batelada 24 não atende às especificações do produto.
- Capacidade do processo
Capacidade do produto = 6σ
σˆ =
∑ (x − x) 2
.
n −1
Não existe uma relação matemática ou estatística entre limite de controle
e limite de especificação. Os limites de controle são definidos em função da
variabilidade do processo e medido pelo desvio padrão. Os limites de
especificação são estabelecidos no projeto pelos engenheiros, pela
administração ou pelo cliente.
6σ = capacidade do processo.
BIBLIOGRAFIA
Gráfico para a Média Gráfico para o Desvio Padrão Gráfico para a Amplitude
Fatores para os Limites Fatores para a Fatores para os Limites de Fatores para a
n Fatores para os Limites de Controle
de Controle Linha Central Controle Linha Central
1 1
A A2 A3 c4 c4 B3 B4 B5 B6 d2 d2 d3 D1 D2 D3 D4
2 2,121 1,880 2,659 0,7979 1,2533 0 3,627 0 2,606 1,128 0,8865 0,953 0 3,686 0 3,267
3 1,732 1,023 1,954 0,8862 1,1284 0 2,568 0 2,276 1,693 0,5907 0,888 0 4,358 0 2,575
4 1,500 0,729 1,628 0,9213 1,0854 0 2,266 0 2,088 2,059 0,4857 0,880 0 4,698 0 2,282
5 1,342 0,577 1,427 0,9400 1,0638 0 2,089 0 1,964 2,326 0,4299 0,864 0 4,918 0 2,115
6 1,225 0,483 1,287 0,9515 1,0510 0,030 1,970 0,029 1,874 2,534 0,3946 0,848 0 5,078 0 2,004
7 1,134 0,419 1,182 0,9594 1,0423 0,118 1,882 0,113 1,806 2,704 0,3698 0,833 0,204 5,204 0,076 1,924
8 1,061 0,373 1,099 0,9650 1,0363 0,185 1,815 0,179 1,751 2,847 0,3512 0,820 0,388 5,306 0,136 1,864
9 1,000 0,337 1,032 0,9693 1,0317 0,239 1,761 0,232 1,707 2,970 0,3367 0,808 0,547 5,393 0,184 1,816
10 0,949 0,308 0,975 0,9727 1,0281 0,284 1,716 0,276 1,669 3,078 0,3249 0,797 0,687 5,469 0,223 1,777
11 0,905 0,285 0,927 0,9754 1,0252 0,321 1,679 0,313 1,637 3,173 0,3152 0,787 0,811 5,535 0,256 1,744
12 0,866 0,266 0,886 0,9776 1,0229 0,354 1,646 0,346 1,610 3,258 0,3069 0,778 0,922 5,594 0,283 1,717
13 0,832 0,249 0,850 0,9794 1,0210 0,382 1,618 0,374 1,585 3,336 0,2998 0,770 1,025 5,647 0,307 1,693
14 0,802 0,235 0,817 0,9810 1,0194 0,406 1,594 0,399 1,563 3,407 0,2935 0,763 1,118 5,696 0,328 1,672
15 0,775 0,223 0,789 0,9823 1,0180 0,428 1,572 0,421 1,544 3,472 0,2880 0,756 1,203 5,741 0,347 1,653
16 0,750 0,212 0,763 0,9835 1,0168 0,448 1,552 0,440 1,526 3,532 0,2831 0,750 1,282 5,782 0,363 1,637
17 0,728 0,203 0,739 0,9845 1,0157 0,466 1,534 0,458 1,511 3,588 0,2787 0,744 1,356 5,820 0,378 1,622
18 0,707 0,194 0,718 0,9854 1,0148 0,482 1,518 0,475 1,496 3,640 0,2747 0,739 1,424 5,856 0,391 1,608
19 0,688 0,187 0,698 0,9862 1,0140 0,497 1,503 0,490 1,483 3,689 0,2711 0,734 1,487 5,891 0,403 1,597
20 0,671 0,180 0,680 0,9869 1,0133 0,510 1,490 0,504 1,470 3,735 0,2677 0,729 1,549 5,921 0,415 1,585
21 0,655 0,173 0,663 0,9876 1,0126 0,523 1,477 0,516 1,459 3,778 0,2647 0,724 1,605 5,951 0,425 1,575
22 0,640 0,167 0,647 0,9882 1,0119 0,534 1,466 0,528 1,448 3,819 0,2618 0,720 1,659 5,979 0,434 1,566
23 0,626 0,162 0,633 0,9887 1,0114 0,545 1,455 0,539 1,438 3,858 0,2592 0,716 1,710 6,006 0,443 1,557
24 0,612 0,157 0,619 0,9892 1,0109 0,555 1,445 0,549 1,429 3,895 0,2567 0,712 1,759 6,031 0,451 1,548
25 0,600 0,153 0,606 0,9896 1,0105 0,565 1,435 0559 1,420 3,931 0,2544 0,708 1,806 6,056 0,459 1,541
Para n > 25
3 3 4(n − 1) 3 3 3 3
A= , A3 = , c4 ≅ , B3 = 1 − , B4 = 1 + , B5 = c 4 − , B6 = c 4 +
n c4 n 4n − 3 c 4 2(n − 1) c 4 2(n − 1) 2(n − 1) 2(n − 1)
69