Escolar Documentos
Profissional Documentos
Cultura Documentos
Tutorial CEP
Tutorial CEP
Elisa Henning dma2eh@joinville.udesc.br Vilson Vieira da Silva Junior vilson@void.cc Setembro / 2006
NDICE 1. Introduo 2. O pacote QCC 3. Ferramentas do CEP 3.1. Histograma 3.2. Grfico de Pareto 3.3. Diagrama de Causa e Efeito 3.4. Diagrama de Disperso 3.5. Grficos de Controle 3.5.1.Grficos X e R 3.5.2.Grficos X e S 3.5.3.Grficos de controle para atributos 3.5.3.1. Grfico P (para propores) 3.5.3.2. Grfico C (defeitos por unidade) 3.6. Grficos de controle de Shewhart para medidas individuais 4. Referncias
1. INTRODUO O campo de controle estatstico da qualidade pode ser definido como aqueles mtodos estatsticos e de engenharia que so utilizados na medida, monitoramento, controle e na melhoria da qualidade (MONTGOMERY & RUNGER). O Controle Estatstico de Processo (CEP) pode ser considerado um conjunto de ferramentas para a resoluo de problemas que pode ser aplicado a qualquer processo, seja industrial ou no. As ferramentas mais importantes do CEP, de acordo com MONTGOMERY & RUNGER so: 1. 2. 3. 4. 5. 6. 7. Histograma Grfico de Pareto Diagrama de causa-e-efeito Diagrama de defeito-concentrao Grfico de Controle Diagrama de Disperso Folha de Verificao
Neste documento apresentamos como trabalhar com o ambiente R algumas ferramentas do CEP. O ambiente R possui um pacote especfico denominado QCC Quality Control Charts , desenvolvido por Lucca Scrucca, do Departamento de Cincias Estatsticas da Universidade de Pergia, Itlia. Este pacote permite gerar grficos de controle Shewhart para variveis, discretas, contnuas e atributos. Constri tambm grficos CUSUM e EWMA. Alm disto, curvas caractersticas de operao, o grfico de Pareto e o diagrama de causa-e-efeito tambm podem ser construdos. Auxilia tambm na Anlise de Capacidade de Processos. Esperamos que este documento auxilie aos acadmicos que estiverem interessados neste assunto. A utilizao de pacotes computacionais contribui para economizar tempo e esforo nos procedimentos, podendo dedicar-se mais interpretao dos resultados. Apesar de apresentarmos uma pequena introduo terica sobre cada tem, no objetivo deste explicar o que o CEP, ou cada uma de suas ferramentas. Nas referncias bibliogrficas voc certamente encontrar excelentes fontes de consulta. Os exemplos deste tutorial so, na maioria, provenientes dos livros de estatstica bsica e aplicada recomendados para cursos de graduao. Para a elaborao deste material utilizamos a verso 2.3.0 do R e ambiente Windows.
O PACOTE QCC O pacote qcc Quality Control Charts foi desenvolvido por Luca Scrucca inicialmente para ser uma ferramenta auxiliasse seus alunos no estudo dos conceitos de Controle Estatstico da Qualidade [6]. Pode ser baixado diretamente da Internet no endereo: http: www.r-project.org/CRAN/continuar . Material impresso em ingls est disponvel junto com o pacote, com explicaes sobre as funes do qcc e alguns exemplos. Alguns conjuntos de dados (circuit, dyedcloth, pistonrings, orangejuice, orangejuice2) tambm fazem parte do pacote. Estes conjuntos podem ser encontrados em [4]. INSTALAO Para instalar o pacote na barra de ferramentas clique em Pacotes. Escolha entre carregar diretamente da rede (I), ou de arquivos zip locais (II) Se voc escolheu (I) opte ento por um dos espelhos disponveis e ento selecione o pacote qcc Optando por (II) indique o caminho onde est o arquivo de instalao.
Figura 1: Instalao do pacote qcc Uma vez instalado, voc pode acessar o pacote da seguinte forma: > require (qcc)
No Windows possvel tambm acessar o pacote atravs da barra de ferramentas (figura 2).
Figura 2: Acesso ao pacote qcc Desejando mais informaes sobre o pacote qcc consulte a ajuda do R, digitando help (qcc). Uma janela ir aparecer na tela com informaes sobre o pacote (Figura 3).
Figura 3: Ajuda do R
Um histograma consiste em um grfico com uma escala horizontal para os valores dos dados a serem representados, uma escala vertical para as freqncias e barras para representar os valores das freqncias das diversas classes. Em geral a construo de um histograma precedida de uma tabela de freqncias dos valores dos dados que se pretende representar [8]. Na escala vertical pode ser representada a freqncia absoluta, a freqncia relativa ou a densidade de freqncia. A sintaxe no R :
hist(x) hist (x, probability=T) hist (dados,breaks=n) constri um histograma (freq absoluta) densidade de freqncia no eixo y n= nmero de barras
Uma descrio mais completa, alm de outras opes permitidas, est na ajuda do R.
> help (hist)
Para ilustrar como construir um histograma no R, iremos utilizar dados referentes ao tempo (em segundos) para carga de um aplicativo, num sistema compartilhado [1]. Entrada dos dados1:
>x=c (5.2,6.4,5.7,8.3,7.0,5.4,4.8,9.1,5.5,6.2,4.9,5.7,6.3,5.1,8.4,6.2,8.9, 7.3,5.4,4.8,5.6,6.8,5.0,6.7,8.2,7.1,4.9,5.0,8.2,9.9,5.4,5.6,5.7,6.2,4 .9,5.1,6.0,4.7,14.1,5.3,4.9,5.0,5.7,6.3,6.0,6.8,7.3,6.9,6.5,5.9) > hist(x)
Frequency
10
15
8 x
10
12
14
Figura 4: Histograma
1
Dados de: BARBETTA, REIS & BORNIA. Estatstica para Cursos de Engenharia e Informtica. Editora Atlas. So Paulo: 2004. Pgina 60.
um grfico que permite visualizar a distribuio dos dados sem a perda de informao no processo. Classificam-se os dados segundo um padro que revela a distribuio subjacente. O padro consiste em separar o nmero em duas partes: em geral o primeiro ou os dois primeiros algarismos , e o restante. Os ramos consistem nos algarismos mais esquerda e as folhas no algarismo mais direita. [8] No R, ramo-e-folhas so construdos da seguinte forma: stem(x) Onde x = conjunto de dados EXEMPLO: utilizaremos os mesmos dados do exemplo anterior.
> stem(x) The decimal point is at the | 4 5 6 7 8 9 10 11 12 13 14 | | | | | | | | | | | 7889999 000112344456677779 0022233457889 0133 22349 19
GRFICO DE PARETO um grfico de colunas ou barras ordenadas de acordo com a freqncia. As categorias so ordenadas decrescentemente pelas freqncias observadas. No R , o diagrama de Pareto construdo da seguinte forma: pareto.chart(x, ylab = "Frequency", xlab, ylim, main, col = heat.colors(length(x)), ...) Onde: x: ylab: xlab: main: col: vetor com os valores; names(x) usado para rotular as categorias rotula o eixo y rotula o eixo x ttulo valor correspondente a cor desejada, um vetor de cores. Veja a ajuda para cores help(colors) e help (palette)
EXEMPLO2: De 75.200 mortes por acidente nos EUA, em um ano recente, 43.500 foram causadas por veculos motorizados, 12.200 por quedas, 6.400 por envenenamento, 4.600 por afogamento, 4.200 por incndios, 2.900 por ingesto de alimentos ou de um objeto, e 1400 por armas de fogo. Construir um diagrama de Pareto para os dados.
#exemplo pareto 1 triolla pag 30 x=c(43500,12200,6400,4600,4200,2900,1400) names(x)=c("Veculo motorizado","Quedas","Envenenamento","Afogamento","Incndio","Ingest o de Alimentos ou Objetos","Armas de fogo") pareto.chart(x,ylab="Frequencia",main="Causas de Mortes Acidentais", col=rainbow(length(x)))
O R tambm retorna uma matriz contendo os valores utilizados para a construo do grfico.
Pareto chart analysis for x Frequency Cum.Freq. Percentage Cum.Percent. Veculo motorizado Quedas Envenenamento Afogamento Incndio Ingesto Armas de fogo 43500 12200 6400 4600 4200 2900 1400 43500 55700 62100 66700 70900 73800 75200 57.845745 16.223404 8.510638 6.117021 5.585106 3.856383 1.861702 57.84574 74.06915 82.57979 88.69681 94.28191 98.13830 100.00000
Extrado de TRIOLA, M. Introduo Estatstica. 7 Edio. Rio de Janeiro: LTC, 1999. Pgina 27
Armas de fogo
0%
Cumulative Percentage
Frequencia
20000
25%
50%
75%
Uma vez identificado, um defeito, erro ou problema este diagrama procura identificar reas problemticas potenciais neste processo. Compe-se de uma caixa de efeito e a linha central, sendo especificadas as principais categorias de causas potenciais, ligadas linha central.
cause.and.effect(cause, effect, title = "Cause-and-Effect diagram", cex = c(1, 0.9, 1), font = c(1, 3, 2))
Onde: cause: effect: title: cex: font: lista de causas potenciais efeito ttulo vetor com valores especificando tamanho da fonte vetor especificando a fonte
EXEMPLO: Neste exemplo os dados provm de uma brincadeira feita em sala de aula, com uma turma no ano de 2005, sobre as possveis causas para um aluno tirar nota baixa numa prova.
>cause.and.effect(cause=list(sade=c('m alimentacao','falta de sono','stress'),estudo=c('dificuldade nos exerccios','pouco tempo','falta de base'), ambiente=c('calor','frio','barulho','acomodacoes ruins'),outros=c ('humor do professor','nervosismo')
estudo
dificuldade nos exerccios pouco tempo falta de base
nota baixa
acomodacoes ruins barulho frio calor nervosismo humor do professor
ambiente
outros
10
DIAGRAMA DE DISPERSO O diagrama de disperso um grfico de dados emparelhados (x,y) com um eixo x horizontal e um eixo y vertical. til para a identificao de relaes potenciais entre estas duas variveis. No R:
plot(x, y, ...)
EXEMPLO:
x=c(2,2,3,4,4,5,6,6,8,8,9,11) y=c(6,7,7,8,9,10,15,17,15,16,17,28) plot(x,y)
[Fig. 3]
y 10 15
20
25
6 x
10
11
Uma caracterstica da qualidade que medida em uma escala numrica chamada varivel. Exemplos incluem dimenses tais como tamanho ou largura, temperatura e volume. Aqui apresentamos os grficos de controle para variveis. Os grficos de controle x e R so amplamente utilizados para monitorar a mdia e a variabilidade de variveis. Diversas variaes destes grficos e tambm um procedimento para adapt-los a medidas individuais apresentado. A variabilidade do processo pode ser monitorada atravs do grfico de controle para o desvio padro, chamado grfico S, e, tambm pelo grfico da amplitude, denominado R. DEFINIO: Um grfico de controle de uma caracterstica de um processo consiste em valores grafados sequencialmente ao longo do tempo, uma linha central, um limite inferior de qualidade (LIC) e um limite superior de qualidade (LSC). A linha do centro representa um valor central das medidas da caracterstica, e os limites de controle so fronteiras para separar e identificar quaisquer pontos considerados excepcionais. [8] INTERPRETAO DOS GRFICOS DE CONTROLE Critrios de utilizao de grficos de controle para determinar que um processo esteja fora de controle estatstico: l H um padro, uma tendncia ou um ciclo que obviamente no aleatrio. l H um ponto fora dos limites superior ou inferior de controle. l H oito pontos consecutivos, todos acima ou todos abaixo, da reta central Regra ou seqncia de 8. Estes so os trs critrios fora de controle mais utilizados. Relacionamos abaixo outros critrios adicionais: l Existem seis pontos consecutivos, todos crescentes ou todos decrescentes. l Existem quatorze pontos consecutivos se alternando entre para cima e para baixo. l Dois ou trs pontos consecutivos esto fora dos limites de controle fixados distncia de um desvio-padro a contar da reta central. l Quatro dentre cinco pontos consecutivos esto fora dos limites de controle fixados distncia de dois desvios-padro a contar da reta central. Para a construo dos grficos de controle utilizamos a funo qcc (quality control charts) qcc(data, type, sizes, center, std.dev, limits, target, data.name, labels, newdata, newsizes, newlabels, nsigmas = 3,confidence.level, rules = shewhart.rules, plot = TRUE, ...) Argumentos: Data: Type: conjunto de dados, vetor ou matriz contendo os dados das variveis especifica o tipo de grfico
Controle Estatstico de Processos com R Tipo xbar S R xbar.one p np c u sizes: center: std.dev: target: newdata: newsizes: nsigmas: confidence.level rules: Estatstica Mdia Desvio padro Amplitude Mdia Proporo Caracterstica do grfico Mdia de um processo Desvio padro de um processo Amplitude de um processo Medidas individuais Proporo de unidades no conformes Nmero de unidades no conforme No conformes por unidade Valor esperado de no conformidades
12
valor ou vetor especificando o tamanho da amostra associado a cada grupo. obrigatrio para os grficos p,np, c e u valor especificando o centro vetor especificando os limites de controle valor especificando o objetivo do processo dados novos a serem plotados, no computados inicialmente argumento com o novo tamanho nmero de desvios a serem utilizados grau de confiana ( entre 0 e 1 ) regras a serem aplicadas aos grficos (default = 'shewhart.rules')
GRFICOS DE CONTROLE PARA x : Para monitorar mdias Exemplo 13: Vamos construir um grfico de controle para a mdia das medidas dos dimetros internos (mm ) de anis de pisto de motores de automveis. O pacote qcc contm o conjunto de dados necessrio. Para acessar faa:
data(pistonrings) #acessa o conjunto de dados attach(pistonrings) #acessa as variveis do conjunto de dados diameter=qcc.groups(diameter,sample) # qcc(diameter[1:25,],type="xbar") #plota o grfico com as amostras de 1 a 25
13
73.990
74.010
Figura 8: Grfico de Controle para a mdia Pode se perceber que a mdia do processo est sob controle estatstico, pois nenhum dos critrios fora de controle satisfeito. GRFICOS DE CONTROLE PARA R: Para monitorar a amplitude do processo Exemplo: Vamos construir um grfico de controle para a amplitude com os mesmos dados do exemplo anterior:
qcc(diameter[1:25,],type="R") #plota o grfico com as amostras de 1 a 25
0.05
0.00
0.02
0.03
0.04
Controle Estatstico de Processos com R Assim como o grfico de X, o de R tambm exibe controle. No console do R temos algumas informaes adicionais :
> qcc(diameter[1:25,],type="R") Call: qcc(data = diameter[1:25, ], type = "R") R chart for diameter[1:25, ] Summary of group statistics: Min. 1st Qu. Median Mean 3rd Qu. Max. 0.00800 0.01800 0.02100 0.02276 0.02600 0.03900 Group sample size: 5 Number of groups: 25 Center of group statistics: 0.02276 Standard deviation: 0.009887547 Control limits: LCL UCL 0 0.04839106
14
0.000
0.010
0.015
0.020
15
GRFICOS DE CONTROLE PARA ATRIBUTOS: Grfico de Controle para a Frao No - Conforme A frao no - conforme definida por como a razo entre o nmero de elementos noconformes em uma populao e o total de elementos naquela populao. EXEMPLO: Os dados so de Devore4 e constituem de uma amostra de 200 chips ROM de computador selecionados em cada um dos 30 dias consecutivos. Foi anotado o nmero de chips em no conformidade por dia. Vamos construir um grfico p com o R e examinlo. Entrada dos dados >x20=c
(10,18,24,17,37,19,7,25,11,24,29,15,16,21,18,17,15,22,12,20,17,18,12, 24,30,16,11,20)
Sada no console
> qcc(x20,size=200,type='p') Call: qcc(data = x20, type = "p", sizes = 200) p chart for x20 Summary of group statistics: Min. 1st Qu. Median Mean 3rd Qu. Max. 0.03500 0.07500 0.09000 0.09375 0.11250 0.18500 Group sample size: 200 Number of groups: 28 Center of group statistics: 0.09375 Standard deviation: 0.2914806
4
DEVORE, J.L. Probabilidade e Estatstica para Engenharia e Cincias. So Paulo: THOMSON, 2006, pgina 623
16
0.10
0.15
UCL
Figura 10 Grfico de controle P Grfico de Controle c para o nmero de defeitos So grficos que permitem analisar situaes nas quais a observao em cada instante no tempo o nmero de defeitos em uma unidade de algum tipo [8]. A unidade pode constituir em um nico tem ou um grupo de tens. EXEMPLO: novamente vamos utilizar dados de Devore5, que correspondem a dados do nmero de defeitos em panelas revestidas com uma mistura contendo cermica em p. So valores correspondentes a 24 observaes amostradas em intervalos de tempos iguais. Entrada dos dados:
> x=c (7,10,9,12,13,6,13,6,13,7,5,11,8,10,13,9,21,10,6,8,3,12,7,11,14,10)
Sada no console:
> qcc(x,type='c') Call: qcc(data = x, type = "c")
c chart for x
5
DEVORE, J.L. Probabilidade e Estatstica para Engenharia e Cincias. So Paulo: THOMSON, 2006, pgina 622
17
Summary of group statistics: Min. 1st Qu. Median Mean 3rd Qu. 3.000 7.000 10.000 9.769 12.000 Group sample size: 1 Number of groups: 26 Center of group statistics: 9.76923 Standard deviation: 3.125577 Control limits: LCL UCL 0.3925002 19.14596
Max. 21.000
10
15
Figura 11: Grfico de controle c GRFICOS DE CONTROLE DE SHEWHART PARA MEDIDAS INDIVIDUAIS H diversas situaes onde o tamanho da amostra para monitoramento do processo igual a unidade, a amostra consiste de uma nica unidade individual. No exemplo a seguir os dados so de [4]. Correspondem a dados sobre a viscosidade da Tinta de Base para avies6. Entrada dos dados:
>x=c (33.75,33.05,34,33.81,33.46,34.02,33.68,33.27,33.49,33.20,33.62,33,33 .54,33.12,33.84)
6
MONTGOMERY, D.C. Introduo ao Controle Estatstico de Qualidade. 4 Edio. Rio de Janeiro:LTC, 2004, pgina 155
18
Max. 34.02
33.0
33.5
34.0
Figura 12: Grfico de controle de Shewhart para medidas individuais Verifica-se observando o grfico acima que o processo est sob controle.
19
[1] BARBETTA,REIS & BORNIA. Estatstica para cursos de Engenharia e Informtica. Atlas, 2004 [2] DEVORE, J. L. Probabilidade e Estatstica para Engenharia e Cincias. So Paulo: THOMSON, 2006, 691p. [3] MONTGOMERY, D.C. RUNGER, G.C. Estatstica Aplicada e Probabilidade para Engenheiros. 2a Edio. Rio de Janeiro: LTC, 2003, 463p. [4] MONTGOMERY, D.C. Introduo ao Controle Estatstico de Qualidade. 4a Edio. Rio de Janeiro: LTC, 2004, 513p. [5] SCRUCCA, L. Qcc: An R package for quality control charting and statistical process control. R News, Vol 4/1, 2004:pag 11-17. URL: http: www.r-project.org. [6] SCRUCCA, L. The qcc Package: Reference Manual. URL: http://cran.rproject.org/src/contrib/Descriptions/qcc.html. [7] TRIOLLA, M. Introduo Estatstica. 4a Edio. Rio de Janeiro: LTC, 2004, p. [8] R Development Core Team. R: An language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-90005107-8. URL: http//r-project.org.