Cartas de Controle para Variáveis

1
CARTAS DE CONTROLE
PARA VARIVEIS
2
Cartas de controle para variveis
Variveis so caractersticas mensurveis, como por

exemplo
resistncia de !"a #arra de a$o
peso de !" o#%eto
te"po de atendi"ento de !" pedido&
di'"etro de !"a pe$a& etc(
As cartas para variveis, mais especificamente, as cartas

para X e R (mdia e amplitude) representam a aplicao
clssica de controle de processo.
)
*tilidade das cartas para variveis
uitos processos t!m caractersticas mensurveis, assim "

um amplo espao para o uso das cartas por variveis.
#ma medio (por exemplo$ l % &',()) contm muito mais

informao do *ue simples classificao da pea como
+dentro ou fora de especificao,.
-.ter valor medido mais caro do *ue simplesmente

classificar uma pea como .oa/ruim.
Contudo, as medies fornecem mais informaes e, portanto,

exigem uma amostra menor.
Assim, o custo total de amostra0em pode ser menor.

+
*tilidade das cartas para variveis
1omo exi0em uma amostra0em pe*uena, o lapso de

tempo entre a produo das peas e a ao corretiva
pode ser encurtado.
2uando se usa variveis, a anlise do desempen"o do

processo pode ser feita mesmo se todas as unidades
esto dentro dos limites de especificao.
3sso importante na .usca da mel"oria contnua.
As variveis podem ser usadas para monitorar a

locali4ao (X) e a disperso (R). Assim, as cartas de
controle so *uase sempre preparadas aos pares.
,
Distri#!i$-es de valores individ!ais
Simtrica
Forma de Sino
Assimtrica Direita
Assimetria Positiva
Assimtrica Esquerda
Assimetria Negativa
Uniforme Exponencial Bimodal
As distri#!i$-es de pro#a#ilidade pode" ser.
/
Tipos Distri#!i$0o de Pro#a#ilidade
1aractersticas de *ualidade do tipo nominal55mel"or
(por exemplo, caractersticas dimensionais) tendem a
apresentar uma distri.uio de pro.a.ilidade
aproximadamente simtrica, pois as causas de
varia.ilidade 0eram valores *ue podem se afastar tanto
para cima como para .aixo do alvo.
6las apresentam limite superior de especificao e limite
inferior de especificao.
LIE LSE
1
1aractersticas de *ualidade do tipo maior55mel"or (por
exemplo, resist!ncia mec7nica) tendem a apresentar uma
distri.uio de pro.a.ilidade assimtrica 8 es*uerda, pois
muitas ve4es existem limita9es tecnol:0icas *ue dificultam a
o.teno de valores altos, en*uanto *ue muitos causas de
varia.ilidade podem 0erar valores .aixos.
6las apresentam apenas limite inferior de especificao.
LIE
2
1aractersticas de *ualidade do tipo menor55mel"or (por
exemplo, nvel de rudo) tendem a apresentar uma distri.uio
de pro.a.ilidade assimtrica 8 direita, pois muitas ve4es
existem limita9es tecnol:0icas dificultando a o.teno de
valores .aixos, en*uanto *ue muitos causas de varia.ilidade
podem 0erar valores altos.
6las apresentam apenas limite superior de especificao.
LSE
3
Distri#!i$0o de Pro#a#ilidade
As variveis se4!e" !"a distri#!i$0o de pro#a#ilidade
5!e se caracteri6a por.
!" par'"etro de locali6a$0o7
!" par'"etro de dispers0o(

E8e"plo
19
da amostra A para ; muda a tend!ncia central, mas a

varia.ilidade constante<
da amostra A para 1 muda a varia.ilidade, mas a tend!ncia

central constante<
da amostra ; para 1 muda a tend!ncia central e a

varia.ilidade.
A
C
B
11
#ma causa especial pode atuar em um

processo alterando a tend!ncia central ou a
varia.ilidade do processo.
=o0o, necessrio monitorar duas cartas

simultaneamente$
a carta de ":dia para detectar 5!ando a

tendncia central do processo se altera7
a carta de a"plit!de para detectar a

"!dan$a na varia#ilidade do processo(
12
1omo visto, as variveis podem se0uir vrios tipos

de distri.uio de pro.a.ilidade, o *ue dificultaria os
clculos dos limites de controle.
>o entanto, a maioria das aplica9es do controle

estatstico do processo utili4a o teorema do limite
central *ue ser apresentado na se*?!ncia.
1)
Teore"a do Li"ite Central
- @eorema do =imite 1entral indica *ue a soma (e por

conse0uinte a mdia) de n variveis independentes
se0uir o modelo >ormal, independentemente da
distri.uio das variveis individuais.
A aproximao mel"ora na medida em *ue n

aumenta. Ae as distri.ui9es individuais no so
muito diferentes da >ormal, .asta n = 4 ou 5 para se
o.ter uma .oa aproximao. Ae as distri.ui9es
individuais forem radicalmente diferentes da >ormal,
ento ser necessrio n = 20 ou mais.
1+
Teore"a do Li"ite Central
n
n
1,
E8e"plo
A distri.uio de pro.a.ilidade da varivel resultante

do lanamento de um dado se0ue a distri.uio
uniforme, ou seBa, *ual*uer valor (&, C, D, ), (, ') tem a
mesma pro.a.ilidade (&/') de ocorrer.
>o entanto, se ao invs de lanar um dado, seBam

lanados dois dados e calculada a mdia, essa mdia
se0uir uma distri.uio aproximadamente >ormal
como pode5se visuali4ar no "isto0rama a.aixo.
1/
Ta#ela de ;re5<ncia
11
=isto4ra"a
1,0 1,0 1,5 1,5 3,5 3,5 2,5 2,5 2,0 2,0 3,0 3,0 6,0 6,0 4,0 4,0 4,5 4,5 5,0 5,0 5,5 5,5
1/ 36 1/ 36
2/ 36 2/ 36
3/ 36 3/ 36
x x
f(x) f(x)
4/ 36 4/ 36
5/ 36 5/ 36
6/ 36 6/ 36
12
Desvio Padr0o dos Valores Individ!ais

n
x x
i

=
2
) (
para n > 30
1
) (
2
=

n
x x
S
i
para n < 30
13
Distri#!i$0o A"ostral das >:dias
- @eorema do =imite 1entral .sico para a

maioria das aplica9es do controle estatstico da
*ualidade.
A partir do @eorema do =imite 1entral, sa.e5se *ue

a distri.uio amostral das mdias apresenta$
x
29
25 35 24 43 35 22 49 56
34 26 35 52 40 35 35 25
61 42 58 56 45 40 38 45
33 53 22 35 23 25 36 39
E8e"plo
#m pes*uisador deseBa sa.er mdia da idade

dos alunos de p:s50raduao. Aupondo *ue a
populao dos alunos seBa$
19 , 38
32
39 ... 25
=
+ +
=
=
N
x
i
( ) ( )
2 2
2
( ) 25 38,19 ... 39 38,19
11,11
32
i
x
N

+ +
= = =
21
Aupondo *ue no fosse possvel analisar a populao

inteira, e os dados fossem coletados por amostras de
taman"o n%)
55 , 5
4
11 , 11
75 , 4 = = = =
n
x x

1 2 ) + , / 1 2
25 35 24 43 35 22 49 56
34 26 35 52 40 35 35 25
61 42 58 56 45 40 38 45
33 53 22 35 23 25 36 39
>:dia ?8@ )2&2, )3 )+&1, +/&, ),&1, )9&, )3&, +1&2,
Desvio ?S@ 1,&/3 11&+9 1/&,2 3&+9 3&+) 2&+) /&+, 12&32
19 , 38
8
25 , 41 ... 25 , 38
=
+ +
= =
k
x
x
i
^
x
=
(
x
i
x
)
2
k1
=
(
38, 2538, 19
)
2
+.. .+
(
41,2538 ,19
)
2
81
=4,75
22
Aupondo *ue no fosse possvel analisar a populao

inteira, e os dados fossem coletados por amostras de
taman"o n%E
19 , 38
4
37 , 40 ... 62 , 38
=
+ +
= =
k
x
x
i
38,19 19 , 38 = = x
= 49 , 3
93 , 3
8
11 , 11
= = =
n
x

2)
Distri#!i$0o dos valores individ!ais A Distri#!i$0o
a"ostral das ":dias
LCI
LCS
LNI
LNS
= x
x
2+
Li"ites de conBian$a
-s limites da distri.uio dos valores individuais

so c"amados de limites naturais e os limites da
distri.uio de pro.a.ilidade das mdias so
c"amados de limites de controle.
>a verdade, esses limites so intervalos de

confiana em torno da mdia.
2,
1omo a anlise do processo reali4ada atravs de

amostra0em, a estimativa da mdia e da varia.ilidade do
processo reali4ada atravs de uma estrutura intervalar
*ue proporciona um intervalo no *ual se admite *ue
esteBa a verdadeira mdia e varia.ilidade populacional.
1omo no se sa.e ao certo onde estar o verdadeiro

par7metro populacional, deve ser usada uma atri.uio
pro.a.ilstica do intervalo em *ue o verdadeiro valor
possa estar. 6sse intervalo c"ama5se intervalo de
confiana, e a confiana associada 1 - onde a
pro.a.ilidade do erro.
2/
#m intervalo de confiana de 100(1-)

esta.elecido a partir de dois limites, tais *ue a
pro.a.ilidade do verdadeiro valor do par7metro estar
includo dentro do intervalo 100(1-) .
>o 16F, usualmente utili4a5se intervalos de confiana

de GG,HDI. For exemplo, para construir um intervalo
de confiana de GG,HDI para a mdia , necessrio
ac"ar os limites ! e ", tais *ue$
{ } % 73 , 99 = U L P
21
-s limites de confiana de 100(1-) so calculados usando5

se a distri.uio >ormal.
onde$ representa a varivel redu4ida padroni4ada
correspondente 8 pro.a.ilidade do erro /C .
Fara intervalos de confiana de GG,HDI tem5se$

ou

n
Z x
n
Z x

2 / 2 /
+
n
x
n
x

3 3 +
2 /
Z
x x
x x 3 3 +
22
Distri#!i$0o A"ostral das >:dias
x
x LCS 3 + =
x
x LCI 3 = x
x
% 73 , 99 6 =
x
23
Desenvolvi"ento e interpreta$0o das cartas de controle
A aplicao mais tradicional do controle estatstico do
processo, as cartas de controle de mdia ( ) e
amplitude (#), so detal"adas na se*?!ncia.
Fasso &$ 1oleta de dados
Fasso C$ 1lculo dos limites de controle
Fasso D$ 3nterpretao da esta.ilidade do processo
Fasso )$ 3nterpretao da capacidade do processo

x
)9
Cartas para a ":dia e a a"plit!de
(&) 1oleta de dados
Os dados deve" ser coletados e" pequenas

amostras su!grupos" de ta"anCo constante(
E" 4eral& ) a / pe$as consec!tivas Bor"a"
!"a a"ostra(
As pe$as dentro de !"a a"ostra s0o

prod!6idas e" condi$-es "!ito si"ilares e&
portanto& a varia#ilidade dentro de cada
a"ostra ser pri"aria"ente devido Ds causas
comuns#
)1
As a"ostras deve" ser coletados a !"a freq$%ncia

peri&dica& por e8e"plo& 1 s!#4r!po a cada 1, "in!tos&
o! 2 por lote& etc(((
A Bre5<ncia de a"ostra4e" deve ser deBinida de Bor"a

5!e e8ista !"a c'ance potencial de "!dan$a dos
res!ltados de !"a a"ostra para a o!tra(
A Bre5<ncia de a"ostra4e" deve ser selecionada de

Bor"a a "a8i"i6ar a cCance de ocorrer diBeren$as entre
a"ostras
A deBini$0o de ta"anCo de a"ostra e Bre5<ncia de

a"ostra4e" "ais econE"icos poderia" ser deBinidas
apenas se Bore" conCecidos a esta#ilidade do processo&
os c!stos de a"ostra4e"& os c!stos de investi4a$0o e
corre$0o de ca!sas especiais e o c!sto de Ba#ricar pe$as
Bora de especiBica$0o
)2
DesenCo das cartas de controle
A planil"a deve conter$
*" ca#e$alCo para a co"pleta identiBica$0o da

caracterFstica 5!e est sendo "edida(
*" 5!adro para anota$-es dos valores

individ!ais "edidos& co" espa$o para clc!lo
da ":dia e da a"plit!de de cada a"ostra(
A carta de ":dias
A carta de a"plit!des
))
a!a 6/3 7/3 8/3
"#ra 8 10 12 14 16 8 10 12 14 16 8 10 12 14 16
$p%ra&#r A A A B B A A A B B A A A B B
1 65 75 80 65 80 75 80 70 85 65 75 85 70 70 75
2 70 70 70 65 60 70 75 65 85 65 60 65 75 65 80
3 75 80 70 65 80 60 65 75 75 65 75 75 75 85 85
4 60 90 80 80 80 85 75 65 65 80 85 75 70 60 80
5 80 70 80 65 75 75 70 85 80 60 90 80 70 75 90
S#'a 350 385 380 340 375 365 365 360 390 335 385 380 360 355 410
()&*a 70 77 76 68 75 73 73 72 78 67 77 76 72 71 82
A'p+*!,&% 20 20 10 15 20 25 15 20 20 20 30 20 5 25 15
Cartas de controle para G e R
-#'% &a par!% .an/,% &% 0+%# E1p%2*3*2a45%1 30 a 90 '*2r#n1
-6'%r# &a par!% 001275 In1!r,'%n!# (*2r#'%!r#
$p%ra48# 9*n!,ra %:!%rna A'#1!ra/;r%/. 5 /2 <#ra1
(=/,*na 025 >n*&a&% '*2r#n1
Cara2!%r?1!*2a @%2#Ar*'%n!# Car!a -#. 03
)+
Carta para ":dias
60
70
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
M
d
i
a
Limite de Controe !"#erior $ 84,5716
Lin%a Centra $ 73,80
Limite de Controe &nferior $ 63,0284
),
Carta para a"plit!des
0
10
20
30
40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
'
m
#
i
t
"
d
e
)/
?2@ Clc!lo dos li"ites de controle
- clculo preliminar dos limites de controle pode ser

feito ap:s a coleta de uns CJ ou DJ amostras sem
indcios de uma situao fora do controle.
3nicialmente calcula5se a amplitude mdia e a mdia

do processo$

onde representam a mdia e a amplitude da
amostra i.
R
R R R
K
K
=
+ + +
1 2
....
x
x x x
K
K
=
+ + +
1 2
....
x e R
i i
)1
1omo pode5se o.servar, a varia.ilidade estimada
usando5se a mdia das amplitudes dentro de cada
amostra para 0arantir *ue ele esteBa associada apenas
as causas comuns.
=o0o, no correto estimar a varia.ilidade usando a
f:rmula tradicional do desvio5padro (A) aplicada so.re
o conBunto de todos os dados, pois desta forma a
estimativa da varia.ilidade poderia estar associada com
causas comuns (dentro das amostras) e causas
especiais (entre amostras).
)2
1
) (
1 1
2
= =
mn
x x
S
m
i
n
j
ij
Onde:
ij
x representa um valor individual;
m representa o nmero de
amostras;
N representa o tamanho das
amostras.
Uma vez calculados e , calcula-se os limites de controle
das mdias considerando-se a extenso de seis desvios-padro
das mdias (trs de cada lado!, "ue se#undo a distri$ui%o
Normal compreende &&,'() dos valores de mdias amostrais.
x
R
)3
1alcula5se os limites de controle das mdias

considerando5se a extenso de seis desvios5padr9es
(tr!s para cada lado).
A f:rmula resulta em$
-nde
x
x LC 3 =
2
3 3
3
d n
R
n
x
= =

*
+
+9
Au.stituindo5se na e*uao anterior, tem5

se os limites de controle para a carta das
mdias$
-nde AC uma constante *ue depende

do taman"o da amostra +n,.
LCS x A R
LCI x A R
= +
=
2
2
+1
=imites de controle para as amplitudes$
-nde$
Au.stituindo5se essa expresso na e*uao

anterior, tem5se$
R
3 R LC =
2
3 3
d
R
d d
R
= =
2
3
d
R
d 3 R LCS + =
2
3
d
R
d 3 R LCI =
+2
Au.stituindo5se$
@em5se os limites de controle para as amplitudes$
-nde K) e KD so constantes *ue dependem do

taman"o da amostra +n,.
LCS D R
LCI D R
=
=
4
3
2
3
4
d
d
3 1 D + =
2
3
3
3 1
d
d
D =
+)
Valores das constantes K
)
, K
D,
d
2
e A
C
n 2 ) + , / 1 2 3 19 1, 29
D
(
3,27 2,57 2,28 2,11 2,00 1,92 1,86 1,82 1,78 1,65 1,59
D
)
0 0 0 0 0 0,08 0,14 0,18 0,22 0,35 0,42
d
*
1,13 1,69 2,06 2,33 2,53 2,70 2,85 2,97 3,08 3(47 3(74
A
*
1,88 1,02 0,73 0,58 0,48 0,42 0,37 0,34 0,31 0,22 0,18
++
-s limites de controle superior e inferior so

plotados com cor vermel"a.
Fara o exemplo, o.teve5se

Amplitudes$ =1A % C,&& x &E,H % DG,(
=13 % J x &E,H % J,J
dias$ =1A % HD,E L J,(E x &E,H % E),'

=13 % HD,E 5 J,(E x &E,H % 'D,J
7 , 18 8 , 73 = = R x
+,
?)@ Interpreta$0o da esta#ilidade do processo
-s limites de controle so calculados de forma

*ue, se no " causas especiais atuando, a
pro.a.ilidade de um ponto cair fora dos limites
muito pe*uena (M &I)
Assim, pontos fora dos limites de controle so um

forte indcio da presena de causas especiais *ue
devem ser investi0adas e corri0idas.
$ntes de in%estigar uma causa especia&, %erifi'ue

se n(o )ou%e erro na p&otagem do ponto ou
pro*&emas no sistema de medi(o.
+/
Padr-es
Al:" de veriBicar pontos Bora dos li"ites& ta"#:" :

i"portante investi4ar event!ais padr-es na
se5<ncia de pontos(
A o#serva$0o de padr-es pode disparar !"a a$0o

so#re o siste"a antes "es"o 5!e !" ponto apare$a
Bora dos li"ites de controle(
As se4!intes constata$-es indica" a presen$a de

!"a ca!sa especial.
1 pontos e" se5<ncia aci"a ?o! a#ai8o@ da linCa
central7
1 pontos e" se5<ncia ascendente ?o! descendente).

Corridas
Corridas
Alguns padres ou corridas podem ser favorveis
+1
+2
So# Controle
14,6
14,8
15,0
15,2
15,4
15,6
15,8
16,0
16,2
16,4
0 5 10 15 20
'mo)tra
*
im
e
n
)
+
o

(
,
m
)
LC& $ 14,71
LC$ 15,46
LC$ 16,23
1 Pontos A#ai8o D LC
14,6
14,8
15,0
15,2
15,4
15,6
15,8
16,0
16,2
16,4
0 5 10 15 20
'mo)tra
*
im
e
n
)
+
o

(
,
m
)
LC& $ 14,71
LC$ 15,46
LC$ 16,23
1 Pontos Aci"a D LC
14,6
14,8
15,0
15,2
15,4
15,6
15,8
16,0
16,2
16,4
0 5 10 15 20
'mo)tra
*
im
e
n
)
+
o

(
,
m
)
LC& $ 14,71
LC$ 15,46
LC$ 16,23
1 Pontos Descendentes
14,6
14,8
15,0
15,2
15,4
15,6
15,8
16,0
16,2
16,4
0 5 10 15 20
'mo)tra
*
im
e
n
)
+
o

(
,
m
)
LC& $ 14,71
LC$ 15,46
LC$ 16,23
1 Pontos Ascendentes
14,6
14,8
15,0
15,2
15,4
15,6
15,8
16,0
16,2
16,4
0 5 10 15 20
'mo)tra
*
im
e
n
)
+
o

(
,
m
)
LC& $ 14,71
LC $ 15,46
LC $ 16,23
;ora dos Li"ites de Controle
14,4
14,6
14,8
15,0
15,2
15,4
15,6
15,8
16,0
16,2
16,4
0 5 10 15 20
'mo)tra
*
im
e
n
)
+
o

(
,
m
)
LC& $ 14,71
LC$ 15,46
LC$ 16,23
+3
Detec$0o e corre$0o de ca!sas especiais
1ada ponto fora do controle deve 0erar uma

anlise das condi9es operacionais em .usca
da causa respectiva
-s resultados estatsticos do partida para a

tarefa de anlise,
mas a explicao do *ue est acontecendo

reside no pr:prio processo e nas pessoas
envolvidas
,9
Detec$0o e corre$0o de ca!sas especiais
A soluo do pro.lema o passo mais difcil e *ue

consome maior tempo. N preciso paci!ncia, intuio e
experi!ncia para 0radualmente eliminar, uma a uma,
as causas especiais.
@cnicas de soluo de pro.lemas como a anlise de

Fareto ou os dia0ramas de causa e efeito podem
aBudar na anlise.
+ro*&emas mais comp&exos podem exigir o uso de
+ro,eto de -xperimentos e outras ferramentas
estat.sticas mais poderosa
,1
Reavalia$0o dos li"ites de controle
Ae a9es de mel"oria esto sendo tomadas, o processo deve

apresentar um desempen"o mais consistente, com reduo da
varia.ilidade.
Assim, de tempos em tempos, os limites de controle devem ser

recalculados e, sempre *ue "ouver evid!ncias para tanto,
estreitados.
Kessa forma, as cartas de controle continuaro servindo como uma

ferramenta efica4 no 0erenciamento da varia.ilidade, separando as
causas comuns das causas especiais e auxiliando na .usca da
mel"oria contnua.
/ contro&e estat.stico do processo de%e ser entendido como uma
ati%idade din0mica
,2
Reavalia$0o dos li"ites de controle
60
70
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
M
d
i
a
,)
E8ercFcio 1
Ke4 amostras, cada uma contendo ( solen:ides, foram

coletadas da produo, fornecendo medi9es de
ampera0em. 1onstrua uma carta de controle para mdia e
amplitude e conclua so.re a esta.ilidade do processo.
A'#1!ra 1 2 3 4 5 ()&*a @
1 18 16 18 21 18 18,2 5
2 17 18 21 19 19 18,8 4
3 16 17 16 19 20 17,6 4
4 19 19 17 18 20 18,6 3
5 32 21 30 22 34 27,8 13
6 17 22 21 16 17 18,6 6
7 16 16 17 18 19 17,2 3
8 23 24 16 17 21 20,2 8
9 8 9 9 10 8 8,8 2
10 20 20 22 21 16 19,8 6
S#'a 185,6 54
,+
LCS D R
LCI D R
=
=
4
3
LCS x A R
LCI x A R
= +
=
2
2
k
R R
R
k
+ +
=
...
1
n$5
*
4
$2,11
*
3
$0,00
'
2
$0,58
d
2
$2,33
Resol!$0o do e8ercFcio 1
k
x x
x
k
+ +
=
...
1
=R d
2
C
LES x x LEI
pk
=

'*n B
C
3 3
6
LEI LES
C
p

=
)
( ) (
x x
Z P x X P
i
i

< = <
,,
LCS D R
LCI D R
=
=
4
3
LCS x A R
LCI x A R
= +
=
2
2
56 , 18
10
6 , 185
10
8 , 19 ... 2 , 18
= =
+ +
=
4 , 5
10
54
10
6 ... 5
= =
+ +
=
39 , 11 4 , 5 11 , 2 = =
00 , 0 4 , 5 00 , 0 = =
69 , 21 4 , 5 58 , 0 56 , 18 = + =
43 , 15 4 , 5 58 , 0 56 , 18 = =
k
R R
R
k
+ +
=
...
1
@%2a+2,+a71% #1 +*'*!%1 %+*'*nan&#71% a1 2a,1a1 %1p%2*a*1 (5 % 9)
63 , 18
8
149
8
8 , 19 ... 2 , 18
= =
+ +
= x
88 , 4
8
39
8
6 ... 5
= =
+ +
= R
29 , 10 88 , 4 11 , 2 = = LCS
00 , 0 88 , 4 00 , 0 = = LCI
46 , 21 88 , 4 58 , 0 63 , 18 = + = LCS
80 , 15 88 , 4 58 , 0 63 , 18 = = LCI
n$5
*
4
$2,11
*
3
$0,00
'
2
$0,58
d
2
$2,33
Resol!$0o do e8ercFcio 1
k
x x
x
k
+ +
=
...
1
,/
16
18
20
22
1 2 3 4 5 6 7 8 9 10
M
d
i
a
0
5
10
1 2 3 4 5 6 7 8 9 10
'
m
#
i
t
"
d
e
Carta de ":dia e a"plit!des
Carta de ":dia e a"plit!des
,1
?+@ Interpreta$0o da capacidade do processo
Kefinido *ue o processo est em controle

estatstico, ainda permanece a *uesto se o
processo ou no capa4,
3sto , o resultado satisfa4 8s exi0!ncias dos

clientes O
A avaliao da capacidade do processo s: inicia

ap:s a eliminao das causas especiais.
Assim, a capacidade est associada com as

causas comuns de variao.
,2
Esta#ilidade Capacidade
60
70
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
M
d
i
a
60
70
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
M
d
i
a
Estvel
Estvel
Capa6
N0o Capa6
0(00
0(02
0(04
0(06
50 60 70 80 90 100
f
(
x
)
x- ./t"o
Limite) de 0)#e,if i,a1+o
'2o
*i)tri3"i1+o de 4tit"o4
0(00
0(02
0(04
0(06
20 30 40 50 60 70 80 90 100
f
(
x
)
x- ./t"o
Limite) de 0)#e,if i,a1+o
'2o
,3
Est!dos de Capacidade
#m estudo de capacidade avalia a "a.ilidade do processo

produ4ir peas *ue atendam as especifica9es.
A avaliao da capacidade do processo reali4ada com a

distri.uio dos valores individuais, pois o cliente espera *ue
todas as peas produ4idas esteBam dentro das especifica9es.
Kessa forma necessrio con"ecer a distri.uio de

pro.a.ilidade da varivel *ue est sendo monitorada e estimar a
mdia, a varia.ilidade e os limites naturais do processo.
Fara con"ecer a distri.uio de pro.a.ilidade da varivel deve5se

fa4er um "isto0rama dos dados
/9
=isto4ra"a
- "isto0rama uma forma 0rfica *ue permite verificar o

tipo de distri.uio *ue as variveis se0uem.
Fara montar um "isto0rama, inicialmente divide5se o

conBuntos de dados em classes ou cate0orias e verifica5
se o nPmero de indivduos pertencentes a cada classe,
ou seBa, a fre*?!ncia da classe.
-r0ani4a5se as classes e a fre*?!ncia de cada classe em

uma ta.ela de fre*?!ncia. >esse caso, os detal"es
ori0inais dos dados so perdidos, mas a vanta0em est
em o.servar aspectos 0lo.ais do pro.lema.
/1
A se0uir apresentado um conBunto de (J

o.serva9es de uma caracterstica dimensional
*ual*uer de uma pea (em ordem crescente).
/2
Distri#!i$-es de ;re5<ncia
A ta.ela mostra uma distri.uio de fre*?!ncia

de (J o.serva9es da espessura de peas
cer7micas.
/)
Distri#!i$0o de ;re5<ncia
-s limites tais como &C,(J a &D,(J so c"amados de

intervalos de classe. - nPmero menor (&C,(J), o limite
inferior da classe< e o maior (&D,(J) o limite superior da
classe.
A amplitude dos intervalos de classe, *uando for

constante em todos os intervalos, calculada fa4endo5
se a diferena entre dois limites inferiores ou dois
limites superiores sucessivos. 1aso contrrio, tem5se
uma amplitude varivel.
/+
Distri#!i$-es de ;re5<ncia
Fara o exemplo anterior, a amplitude $
Amplitude % &',(J5&(,(J % &(,(J5&),(J % &
- ponto mdio de uma classe o.tido somando5

se o limite inferior ao superior e dividindo por
dois. Assim, o ponto mdio do intervalo $
Fonto mdio % &D,(J a &),(J (&D,(JL&),(J)/C %

&),JJ.
/,
Re4ras para ela#orar !"aDistri#!i$0o de ;re5<ncia
a) Ketermina5se o maior e menor valor do conBunto de dados<
Fara o exemplo, 1in=12,52 e 1ax=12,43
.) Kefine5se o limite inferior da primeira classe (=3), *ue deve ser
i0ual ou li0eiramente inferior ao menor valor das o.serva9es<
Fara o exemplo, !4 =12,50
c) Kefine5se o limite superior da Pltima classe (=A), *ue deve ser
i0ual ou li0eiramente superior ao maior valor das o.serva9es<
Fara o exemplo, !5=12,50
//
d) Kefine5se o nPmero de classes (Q), *ue pode ser calculado usando
e deve estar compreendido entre ( a CJ<
Fara o exemplo, mas por praticidade, escol"er 6=7
e) 1on"ecido o nPmero de classes define5se a amplitude de cada
classe$ a % (=A 5 =3) / Q<
Fara o exemplo,
f) 1on"ecida a amplitude das classes, define5se os limites inferior e
superior para cada classe. For exemplo, para a &
a
classe$ lim. inf. %
=3< lim. sup. % =3L a<
For exemplo, para a &
a
classe$ &im. inf.= !4 =12,50 e
&im. sup.= !4 8 a=12,50 8 1=19,50
n
1
6
) 50 , 12 50 , 18 ( ) (
=
=
K
LI LS
a
7 50 = K
/1
0) 1alcula5se a fre*?!ncia de cada classe, ou seBa, o nPmero de
o.serva9es *ue caem em cada classe, e completa5se a ta.ela
de fre*?!ncia<
Fara o exemplo, o nPmero de o.serva9es *ue caem no intervalo
12,50 a 19,50 9.
") Recomenda5se *ue os limites de cada classe seBam definidos
com uma preciso maior do *ue as pr:prias o.serva9es, para
evitar indecis9es na classificao. For exemplo$ o.s % E,( G,D
G,G &J,& &J,( limites das classes % E,(( a E,G(< E,G( a G,D(<
etc.C'
/2
=isto4ra"as e PolF4ono de ;re5<ncia
Risto0ramas e pol0onos de fre*?!ncia so

representa9es 0rficas da distri.uio de fre*?!ncia.
#m "isto0rama consiste de um conBunto de ret7n0ulos

*ue t!m$
a) a .ase so.re um eixo "ori4ontal com centro no ponto
mdio e lar0ura i0ual a amplitude do intervalo de classes<
.) a rea proporcional 8s fre*?!ncias das classes.
/3
=isto4ra"a PolF4ono de ;re5<ncia
Ae todos os intervalos tiverem a mesma amplitude, as

alturas dos ret7n0ulos sero proporcionais 8s fre*?!ncias
das classes.
#m pol0ono um 0rfico o.tido li0ando5se os pontos

mdios dos topos dos ret7n0ulos de um "isto0rama.
0
4
8
12
16
12 13 14 15 16 17 18 19
0
4
8
12
16
12 13 14 15 16 17 18 19
19
E8ercFcio 2
-s dados a se0uir representam a espessura (em

microns) de um reco.rimento de cromo
acrescentado so.re uma pea mec7nica. Flote o
"isto0rama e identifi*ue se a populao da
espessura do cromo apresentam distri.uio de
pro.a.ilidade simtrica ou assimtricaO
20,4 22,3 23,1 23,5 23,8 24,1 24,3 24,3 24,6 24,8
24,9 25,0 25,1 25,3 25,3 25,4 25,6 25,7 25,8 26,0
26,0 26,1 26,2 26,2 26,3 26,5 26,6 26,7 26,8 26,9
27,1 27,1 27,3 27,5 27,7 27,9 28,0 28,3 28,7 29,6
11
Papel de Pro#a#ilidade Nor"al
-utra forma de verificar a distri.uio das variveis atravs

do papel de pro.a.ilidade *ue permite testar 0raficamente o
aBuste de diferentes distri.ui9es de pro.a.ilidade.
- papel de pro.a.ilidade normal possui uma escala vertical

transformada, de forma *ue se um conBunto de dados se0ue a
distri.uio normal, suas fre*?!ncias acumuladas
aparecero dispostas ao lon0o de uma lin"a reta
2uando o modelo normal no se aBusta .em aos dados, suas

fre*?!ncias acumuladas iro apresentar curvatura *uando
plotadas no papelCE
12
1aso o papel de pro.a.ilidade normal no esteBa

disponvel, " outra alternativa 0rfica para verificar o
aBuste de um modelo normal
6ssa alternativa utili4a os valores te:ricos de S

esperados para cada valor ordenado de X
(i)
..
- valor te:rico de S o.tido a partir de T(X
(i)
), usando a
ta.ela da distri.uio normal acumulada
1)
- teste de normalidade feito plotando5se S
te:rico

x X
(i)
. Ae o aBuste normal ade*uado, os valores
plotados devem aparecer se0uindo
aproximadamente uma lin"a reta. For exemplo,
seBa os valores de espessura apresentados
a.aixo$
* D
(*)
n
i
X F
i
5 , 0
) (
) (

=
E
!%0r*2#
* D
(*)
n
i
X F
i
5 , 0
) (
) (

=
E
!%0r*2#
1 1,00 0,05 71,64 6 1,80 0,55 0,13
2 1,22 0,15 71,04 7 1,87 0,65 0,39
3 1,31 0,25 70,67 8 2,00 0,75 0,67
4 1,55 0,35 70,39 9 2,32 0,85 1,04
5 1,62 0,45 70,13 10 2,50 0,95 1,64
1+
Vale o.servar *ue uma amostra com n % &J no seria

suficiente para uma anlise usando "isto0rama. as
com o papel de pro.a.ilidade possvel avaliar se os
dados provm de uma populao normal
0
1
2
3
4
54 53 52 51 0 1 2 3 4
x
-

0
)
#
e
)
)
"
r
a
6 5 7ari82e norma #adroni9ada
1,
E8ercFcio )
-s dados a se0uir representam a volta0em medida na sada de um

modelo de transformador. Flote esses dados em papel de
pro.a.ilidade normal, e teste a ader!ncia deste modelo. 1aso o aBuste
seBa ade*uado, faa estimativas da mdia e do desvio padro
Kados$
CJ),J CJ(,J CJ',J CJ',J CJH,( CJH,( CJE,J CJE,(
CJG,( CJG,( C&J,( C&&,J C&&,( C&C,J C&D,( C&),J
1/
Li"ites Nat!rais
#ma ve4 identificada a distri.uio dos valores individuais,

calcula5se os limites naturais.
1aso a distri.uio dos valores individuais seBa >ormal, os limites

naturais so calculados considerando5se a extenso de ' *ue,
representa GG,HDI dos valores,
ou seBa, teoricamente GG,HDI das peas produ4idas estaro

dentro dos limites naturais e J,CHI estaro fora dos limites
naturais.
3 7 = LNI
3 + = LNS
11
Esti"ativa do desvioHpadr0o
A estimativa do desvio padro dos valores individuais obtida a

partir da mdia das amplitudes das amostras usando:
=R d
2
n 2 3 4 5 6 7 8 9 10
&
2
1,13 1,69 2,06 2,33 2,53 2,70 2,85 2,97 3,08
/ =S c
4
n
2 3 4 5 6 7 8 10 15 20
,
4
0,80 0,89 0,92 0,94 0,95 0,96 0,965 0,973 0,982 0,987
o!
12
Li"ites Nat!rais
+ = 3 x LNS
= 3 x LNI
x
99!3" # =
0,135%
0,135%
13
21(/ 21(2 22 22(2 22(+ 22(/ 22(2 23 23(2
99,73%
95,44%
68,26%
71 F1
72 F2
73 F3
Distri#!i$0o Nor"al
Distri#!i$0o Nor"al
29
Indices de Capacidade
uitas ve4es conveniente ter uma maneira simples e

*uantitativa de expressar a capacidade do processo.
#ma maneira utili4ar os ndices de capacidade *ue comparam

os limites naturais do processo com a amplitude das
especifica9es exi0idas para o processo.
- clculo dos ndices de capacidade reali4ado supondo *ue as

variveis prov!m de uma distri.uio normal.
21
Processo capa6 e n0o capa6.
22
Indices de capacidade
R mais de um tipo de ndice de capacidade. #m ndice usado

para avaliao de caractersticas nominal55mel"or com limites
.ilaterais $
Fara o exemplo, R % &E,H n % ( d
C
% C,DD

6sse valor indica a potencial capacidade do processo, *ue

poderia ser atin0ida se o processo estivesse centrado.
C
p
=

=
90 30
6 8 03
1,24
,
,
03 , 8
33 , 2
7 , 18
2
= = =
d
R
= =
LEI LES
LNI LNS
LEI LES
$%ai& Limi'e&Na'
()e& E&peci*ica
C
p
2)
Processo descentrado 8 centrado
Processo descentrado C
pJ
K C
p
Processo centrado C
pJ
L C
p
0(00
0(01
0(02
0(03
0(04
0(05
0(06
30 40 50 60 70 80 90 100
f
(
x
)
x- ./t"o
Limite) de 0)#e,ifi,a1+o
'2o
0(00
0(01
0(02
0(03
0(04
0(05
0(06
30 40 50 60 70 80 90
f
(
x
)
x- ./t"o
'2o
C
pJ
s!p L 9&/1 K C
p
L1 &2+
C
pJ
inB , -
p.
sup , -
p
, /,+0
2+
1om pode5se verificar o ndice 1p no avalia a capacidade real

do processo pois no verifica se o processo est centrado ou
no.
A capacidade atual do processo mel"or estimada pelo ndice

C
p:
$
6xemplo$
3
1,p
=
x LES
C
pk
3
*n3
=
LEI x
C
pk
( )
67 , 0
03 , 8 3
) 8 , 73 90 (
3
1,p =
x LES
C
pk
( )
( )
81 , 1
03 , 8 3
60 8 , 73
3
*n3 =
LEI x
C
pk
( ) 67 , 0 81 , 1 G 67 , 0 '*n = =
pk
C
( ) *n3 1,pG '*n
cpk pk pk
C C C =
2,
O ndice C
p:
sempre menor do *ue o ndice C
p
*uando o
processo est descentrado e i0ual ao Cp *uando est centrado
O ndice C
p:
*ue mede a capacidade real do processo sempre
menor ou i0ual ao ndice C
p
*ue mede a mxima capacidade do
processo *uando ele est centrado
C
pH
< 1 9r#2%11# n8# 2apaI
C
pH
J 1 9r#2%11# 2apaI
C
pH
K C
p
9r#2%11# 2%n!ra&#
2/
C
p:
U & condio necessria para *ue a frao de defeituosos seBa
pe*uena. (M&I). uitas empresas utili4am como padro de *ualidade
a meta C
p:
U &,DD.
>o caso de um processo com C

p:
M & e C
p
U &, .asta centrar o processo
*ue ele se tornar capa4.
6sse um processo *ue com pouco investimento conse0ue torn5lo

capa4, pois centrar o processo 0eralmente uma tarefa fcil
Kessa forma processos com C

p:
M & e C
p
U & devem ser priori4ados nas
a9es de mel"oria.
21
1aso a caracterstica de *ualidade for do tipo maior55mel"or, o valor

do =A6 teoricamente infinito, lo0o a avaliao da capacidade
somento com o C
p: inferior
1aso a caracterstica de *ualidade for do tipo menor55mel"or, o valor

do =36 teoricamente 4ero, lo0o a avaliao da capacidade somento
com o C
p: superior
- valor de C
p:
auxilia na deciso so.re onde concentrar os esforos de
en0en"aria. Frocessos com menor C
p:
devem ser priori4ados nas
a9es de mel"oria.
22
44 62
K 2
38 56 50
C
p
K 2
C
pH
K 2
62
K 2
38 56 50 44
C
p
K 2
C
pH
K 1
62
K 2
38 56 50 44
C
p
K 2
C
pH
K 0
62
K 2
38 56 50 44
C
p
K 2
C
pH
K 70,5
65
LIE LSE
CapaI % 2%n!ra&#
CapaI, 'a1 n8#
2%n!ra&#
-8# 2apaI %
n8# 2%n!ra&#
23
Clc!lo do M Bora de especiBica$0o
N interessante estimar o percentual de peas produ4idas

dentro da especifica9es e o percentual de refu0o e
retra.al"o, pois desta forma tem5se uma estimativa dos
custos da m *ualidade
- clculo do I de peas fora da especificao estimado

calculando5se a mdia e a varia.ilidade da distri.uio e o
valor da varivel redu4ida S para os limites de especificao
39
- clculo da varivel redu4ida S fa4 uma

transformao dos valores reais em codificados
6sta transformao feita descontando5se a

mdia para eliminar o efeito de locali4ao e
dividindo5se pelo desvio5padro para eliminar o
efeito de escala.
31
1istri$ui%o Normal para 2 1istri$ui%o Normal para 3
45
/5
(5 -(,5
( )

=
LE
Z
#ma ve4 calculado S, consulta5se a ta.ela normal para identificar

a pro.a.ilidade acumulada 8 es*uerda de S, ou seBa, a
pro.a.ilidade de ocorrerem valores menores ou i0uais certo
valor de S consultado.
- percentual a.aixo das especifica9es do exemplo da fresa

com mdia de HD,E, desvio5padro de E,JD e especifica9es de 'J
DJ, calculado conforme se0ue.

32
C8,"o do : Bora de e)#e,ifi,a1+o
00 , 0 ) 45 , 5 ( ) 30 (
)
03 , 8
8 , 73 30
( ) 30 (
= < = <
=
< = <
Z P X P
Z P X P
0217 , 0 9783 , 0 1 ) 02 , 2 ( 1 ) 90 (
)
03 , 8
8 , 73 90
( 1 ) 90 ( 1 ) 90 (
= = < = >
=
< = < = >

Z P X P
Z P X P X P
M a#ai8o das especiBica$-es
M aci"a das especiBica$-es
M dentro das especiBica$-es
% 83 , 97 #, 9783 , 0 0217 , 0 00 , 0 1 ) 90 30 ( = = < < X P
0(00
0(01
0(02
0(03
0(04
0(05
0(06
30 40 50 60 70 80 90 100
f
(
x
)
x- ./t"o
'2o
3)
00 , 0 ) 74 , 3 ( ) 30 (
)
03 , 8
60 30
( ) 30 (
< = <
=
< = <
Z P X P
Z P X P
00 , 0 9999 , 0 1 ) 74 , 3 ( 1 ) 90 (
)
03 , 8
60 90
( 1 ) 90 ( 1 ) 90 (
= < = >
=
< = < = >

Z P X P
Z P X P X P
% 100 #, 00 , 1 00 , 0 00 , 0 1 ) 90 30 ( = < < X P
C8,"o do : fora de e)#e,ifi,a1+o
0(00
0(01
0(02
0(03
0(04
0(05
0(06
30 40 50 60 70 80 90
f
(
x
)
x- ./t"o
'2o
3+
0013 , 0 ) 00 , 3 ( ) 30 (
)
10
60 30
( ) 30 (
= < = <
=
< = <
Z P X P
Z P X P
0013 , 0 9987 , 0 1 ) 00 , 3 ( 1 ) 90 (
)
10
60 90
( 1 ) 90 ( 1 ) 90 (
= = < = >
=
< = < = >

Z P X P
Z P X P X P
% 99,73 #, 9973 , 0 0013 , 0 0013 , 0 1 ) 90 30 ( = < < X P
0(00
0(01
0(02
0(03
0(04
0(05
30 40 50 60 70 80 90
f
(
x
)
x- ./t"o
'2o
3,
E8ercFcio ,
1onsiderando *ue um solen:ide acima das

especifica9es pode ser retra.al"ado e um valor
a.aixo das especifica9es refu0ado, calcule o
percentual de refu0o e retra.al"o para o
exerccio anterior, supondo *ue as
especifica9es seBam &E H,(
3/
Resol!$0o do e8ercFcio ,
0(00
0(05
0(10
0(15
0(20
0(25
10 12 14 16 18 20 22 24 26
f
(
x
)
x- ./t"o
'2o
) acima das especi6ica%7es
% 05 , 0 #, 0005 , 0 9995 , 0 1
) 29 , 3 ( 1 )
09 , 2
63 , 18 5 , 25
( 1
) 5 , 25 ( 1 ) 5 , 25 (
=
< =
<
= < = >
Z P Z P
X P X P
) a$aixo das especi6ica%7es
00 , 0 ) 89 , 3 ( )
09 , 2
63 , 18 5 , 10
( ) 5 , 17 ( < =
< = < Z P Z P X P
) dentro das especi6ica%7es
95 , 99 00 , 0 05 , 0 1 ) 5 , 25 5 , 10 ( = = < <X P
31
Distri#!i$-es n0oHnor"ais
- clculo dos ndices de capacidade e do percentual fora

de especificao reali4ado supondo *ue as variveis
prov!m de uma distri.uio normal.
For isso antes de reali4ar um estudo de capacidade

necessrio verificar o tipo de distri.uio *ue os dados
se0uem, utili4ando5se por exemplo o "isto0rama e o papel
de pro.a.ilidade.
1aso os dados no se0uirem a distri.uio normal, uma

alternativa utili4ar uma transformao nos dados. A
esperana *ue os dados transformados si0am a
distri.uio normal.
32
-utra alternativa calcular o percentual de peas fora de

especificao usando os percentis da distri.uio
ori0inal dos valores individuais.
#ma ve4 calculado o percentual de peas fora de

especificao, identificar um valor de 1pV *ue possua
um percentual e*uivalente de peas fora de
especificao.
Kessa forma pode5se ter o mesmo ndice para avaliar a

capacidade de todos os processos, o *ue permite
comparar os processos e priori4ar os esforos de
mel"oria na*ueles *ue possurem o menor 1pV.
33
A ta.ela a se0uir apresenta diversos valores de 1pV e o

respectivo percentual de peas fora de especificao em
partes por mil"o (FF).
A se0unda coluna refere5se ao percentual fora de

especificao de apenas um lado da distri.uio, ou seBa
*uando as variveis so do tipo menor55mel"or ou
maior55mel"or. A terceira coluna refere5se ao percentual
em am.os lados da distri.uio, ou seBa, *uando a
varivel do tipo nominal55mel"or.
199
-p. Unilateral 8ilateral
0,25 226.628 453.255
0,50 66.807 133.614
0,60 35.391 71.861
0,70 17.865 35.729
0,80 8.198 16.395
0,90 3.467 6.934
1,00 1.350 2.700
1,10 484 967
1,20 159 318
1,30 48 96
1,40 14 27
1,50 4 7
1,60 1 2
1,70 0,17 0,34
1,80 0,03 0,06
2,00 0,0009 0,0018
191
C;L0.'< *'*;!
=L;.'< C'<.'!
*0 C;>.<;L0
&>70!.&?'<
0 0L&M&>'<
C'@!'! 0!=0C&'&!
('AB; L;C'L)
>EL=ORIA
=<;C0!!;
!;C
C;>.<;L0D
&>70!.&?'<
C'='C&L&*'*0
'?&< !;C<0 ;
!&!.0M' ='<'
0L&M&>'< ='<.0 *'!
C'@!'! C;M@>!
>EL=ORIA
=<;C0!!;
E C'='6 D
ROTINA
9:;
N<O
N<O
9:;
192
Rotina e "elCoria no controle do processo
Fara mel"orar a capacidade do processo, preciso

ao so.re o sistema (causas comuns). 3sso em
0eral exi0e ao 0erencial$
Treina"ento de pessoal
Revis0o de procedi"entos
Revis0o do a%!ste de par'"etros
>elCora da "at:ria pri"a
>an!ten$0o N a5!isi$0o de
e5!ipa"entos& etc(
19)
Carta de controle para o desvioHpadr0o
1onforme o caso, o monitoramento do desvio padro pode

ser mais apropriado *ue o monitoramento da amplitude.
- desvio padro um indicador mais eficiente da

varia.ilidade, principalmente para amostras 0randes.
Recomenda5se o uso da carta 5 *uando$
Os dados Bore" coletados por co"p!tador e

Bor Bcil de i"ple"entar !"a rotina de clc!lo
Processos soBisticados& controlados por

especialistas
a"ostras 4randes ?s!#4r!pos O 19@

19+
Clc!lo dos li"ites de controle
A f:rmula para o clculo do desvio padro $
6 os limites de controle so calculados usando$

Fara o desvio padro$
Fara a mdia$
n 2 3 4 5 6 8 10 15 20 25
B
4
3,27 2,57 2,27 2,09 1,97 1,82 1,72 1,57 1,49 1,43
B
3
0 0 0 0 0,03 0,19 0,28 0,43 0,51 0,57
A
3
2,66 1,95 1,63 1,43 1,29 1,10 0,98 0,79 0,68 0,61
LCS + S
LCI + S
=
=
4
3
LCS x A S
LCI x A S
= +
=
3
3
S
x x
n
x n x
n
x x x n x
n
i i n
=

=
+ + +
( ) ...
2 2 2
1
2
2
2 2 2
1 1 1
19,
Cartas de controle para G e S
-#'% &a par!% .an/,% &% 0+%# E1p%2*3*2a45%1 30 a 90 '*2r#n1
-6'%r# &a par!% 001275 In1!r,'%n!# (*2r#'%!r#
$p%ra48# 9*n!,ra %:!%rna A'#1!ra/;r%/. 5 / +#!%
(=/,*na 025 >n*&a&% '*2r#n1
Cara2!%r?1!*2a @%2#Ar*'%n!# Car!a -#. 02
19/
Cartas de controle para S
0
5
10
15
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
*
e
)
2
i
o

=
a
d
r
+
o
00 , 0 55 , 7 00 , 0
77 , 15 55 , 7 09 , 2
3
4
= = =
= = =
S + LCI
S + LCS
191
Carta para ":dias
60
70
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
M
d
i
a
86,55 7,55 : 1,43 73,8
L
3
= + = + = R A x LCS
60,79 7,55 : 1,43 M 73,8
L
3
= = = R A x LCS
192
E8ercFcio /
-s dados a se0uir representam medi9es dirias feitas em uma

central de produo de concreto. A caracterstica de *ualidade
*ue est sendo medida a resist!ncia 8 compresso de corpos de
prova de concreto.
*a :1 :2 :3 *a :1 :2 :3
1 18,0 17,1 19,3 11 16,2 18,5 19,7
2 17,5 18,9 19,1 12 17,5 17,9 18,9
3 16,9 18,2 18,9 13 18,2 17,5 19,3
4 17,0 19,3 18,5 14 19,2 18,8 17,8
5 18,1 18,3 19,2 15 17,7 18,2 19,1
6 19,3 17,3 18,1 16 16,9 17,9 18,5
7 18,2 16,8 18,9 17 18,2 18,6 19,4
8 19,5 17,2 17,9 18 17,8 18,2 19,3
9 18,1 18,8 18,3 19 17,3 19,5 18,1
10 16,1 16,9 18,5 20 18,0 17,2 19,1
193
E8ercFcio / H Contin!a$0o
1alcule a lin"a central e os limites de controle

para a carta de medias e desvio5padro
Flote a carta de medias e conclua a respeito do

controle estatstico da tend!ncia central e da
disperso do processo
1onclua a respeito da capa.ilidade do processo,

sa.endo *ue a resist!ncia uma caracterstica
do tipo maior55mel"or e o limite de
especificao inferior &(,J.
119
Carta de controle para a "ediana
onitorar a mediana ( ) em ve4 da mdia pode tra4er al0umas

vanta0ens$
A "ediana : "ais Bcil de calc!lar 5!e a ":dia7
A "ediana : ro#!sta D presen$a de dados

atFpicos(
Para este procedi"ento ser prtico& o s!#4r!po

deve ser pe5!eno e co" ta"anCo F"par ?)& , o!
1@
O monitoramento segue a mesma tica vista para as mdias:
qualquer valor de amplitude ou mediana fora dos limites de
controle indica que o operador deve agir para corrigir o
processo ou notificar o supervisor e pessoal de suporte,
A 10 12 14 16 18
14
L
G 14 = = x x
A 10 12 14 16 38
14
L
G 18 = = x x
x
L
111
-s limites de controle so calculados usando o valor mdio

das medianas ( )
Fara amplitude$
Fara medianas$
LCS D R
LCI D R
=
=
4
3
n 2 3 4 5 6 7 8 9 10
L
A
2
1,88 1,19 0,80 0,69 0,55 0,51 0,43 0,41 0,36
LCS x A R
LCI x A R
= +
=
L
L
L
L
2
2
x
L
112
Carta de controle para "ediana
a!a 6/3 7/3 8/3
"#ra 8 10 12 14 16 8 10 12 14 16 8 10 12 14 16
$p%ra&#r A A A B B A A A B B A A A B B
1 65 75 80 65 80 75 80 70 85 65 75 85 70 70 75
2 70 70 70 65 60 70 75 65 85 65 60 65 75 65 80
3 75 80 70 65 80 60 65 75 75 65 75 75 75 85 85
4 60 90 80 80 80 85 75 65 65 80 85 75 70 60 80
5 80 70 80 65 75 75 70 85 80 60 90 80 70 75 90
S#'a 350 385 380 340 375 365 365 360 390 335 385 380 360 355 410
()&*ana 70 75 80 65 80 75 75 70 80 65 75 75 70 70 80
A'p+*!,&% 20 20 10 15 20 25 15 20 20 20 30 20 5 25 15
-#'% &a par!% .an/,% &% 0+%# E1p%2*3*2a45%1 30 a 90 '*2r#n1
-6'%r# &a par!% 001275 In1!r,'%n!# (*2r#'%!r#
$p%ra48# 9*n!,ra %:!%rna A'#1!ra/;r%/. 5 /2 <#ra1
(=/,*na 025 >n*&a&% '*2r#n1
Cara2!%r?1!*2a @%2#Ar*'%n!# Car!a -#. 03
11)
Carta de controle para "ediana
60
70
80
90
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
M
e
d
i
a
n
a
79 , 60 7 , 18 69 , 0 7 , 73
L
L
55 , 86 7 , 18 69 , 0 7 , 73
L
L
2
2
= = =
= + = + =
R A x LCI
R A x LCS
11+
Carta para a"plit!de
0
10
20
30
40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
'
m
#
i
t
"
d
e
11,
E8ercFcio 1
1onsidere os dados apresentados a se0uir. 1alcule a mediana e

amplitude de cada su.0rupo e plote as respectivas cartas. 1onclua
a respeito da esta.ilidade e da capacidade do processo
considerando *ue as especifica9es so CJ &J.
:1 :2 :3 :4 :1 :2 :3 :4
1 12 18 20 30 11 17 24 28 31
2 21 08 12 21 12 13 26 18 21
3 14 16 21 09 13 33 18 26 29
4 17 17 12 26 14 15 26 20 23
5 18 20 15 27 15 23 14 21 31
6 24 21 20 21 16 31 20 22 27
7 32 19 16 19 17 19 16 24 19
8 14 09 20 09 18 31 14 20 21
9 18 13 16 25 19 17 12 18 23
10 30 31 21 25 20 29 30 24 31
11/
Carta de controle para valores individ!ais
Al0umas ve4es preciso fa4er o controle do processo

usando medidas individuais. 6sse ser o caso *uando$
Ta8a de prod!$0o "!ito #ai8a ?por e8. 1

prod!to por dia@
Testes "!ito caros ?por e8. testes

destr!tivos o! 5!e e8i%a" a parada da
prod!$0o@
CaracterFsticas "!ito Co"o4neas& 5!e

varia" "!ito lenta"ente ?por e8. !"
di4estor 5!F"ico@
111
Carta para valores individ!ais
1uidados em relao 8 carta de valores individuais$
N0o s0o t0o sensFveis a "!dan$as no

processo co"o as cartas de ":dias7
Se a distri#!i$0o n0o Bor si":trica& a

interpreta$0o das cartas deve levar isso e"
conta7
N0o se pode avaliar direta"ente a

dispers0o do processo(
Fara contornar esse Pltimo aspecto, em 0eral se usa

uma amplitude m:vel calculada como a diferena entre
cada par de leituras sucessivas.
112
Fara amplitude$
Fara os indivduos$
-s pontos da carta da amplitude m:vel so correlacionados

6
C
s: vlido se a distri.uio dos valores individuais for
aproximadamente normal
Fara interpretar a capacidade$

LCS D R =
4
LCI D R =
3
n 2 3 4 5 6
E
2
2,66 1,77 1,46 1,29 1,18
2
/ d R =
R E x LCI
2
=
R E x LCS
2
+ =
113
-s dados a se0uir representam medidas dirias de viscosidade

de .ateladas *umicas durante um perodo de DJ dias.
-s limites de controle resultaram$
para amplitude$
para os indivduos$

!- . x =
9! / R =
// / 9! / // / R D LCI
3
= = =
1! 3 9! / 2! 3 R D LCS
4
= = =
3# - 9! / ## 2 !- . R E x LCS
2
= + = + =
21 3 9! / ## 2 !- . R E x LCI
2
= = + =
129
121
Cartas para valores individ!ais
4
6
8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
7
a
o
r

&
n
d
i
2
i
d
"
a
Limite Cont( !"#erior $ 8,1832 Lin%a Centra $ 5,8276

Limite Cont( &nf erior $ 3,472 Ca")a) 0)#e,iai)
3# - 9! / ## 2 !- . R E x LCS
2
= + = + =
21 3 9! / ## 2 !- . R E x LCI
2
= = + =
Retirando ca!sas especiais
122
Carta para a"plit!de "Pveis
0
1
2
3
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
'
m
#
i
t
"
d
e

M
F
2
e

Limite Cont( &nf erior $ 0 Ca")a) 0)#e,iai)
// / 9! / // / R D LCI
3
= = =
1! 3 9! / 2! 3 R D LCS
4
= = =
12)
E8ercFcio 2
-s dados a se0uir representam medi9es de a.raso

efetuadas uma ve4 por dia em um processo de
extruso de .orrac"a industrial.
*a : *a :
1 82,5 11 83,0
2 81,5 12 82,5
3 79,0 13 81,5
4 83,0 14 82,0
5 79,5 15 81,0
6 82,0 16 83,0
7 81,0 17 81,5
8 83,5 18 80,5
9 80,2 19 82,0
10 78,0 20 83,0
12+
E8ercFcio 2 H Contin!a$0o
1alcule os limites de controle para uma carta de valores

individuais e para uma carta de amplitude m:vel<
Flote essas duas cartas e conclua a respeito do controle do

processo<
1onclua a respeito da capa.ilidade do processo, sa.endo

*ue a a.raso uma caracterstica do tipo menor55mel"or e
o limite de especificao superior E(,J.
12,
Carta de Controle para >:dias >Pveis
As cartas de mdias m:veis so$
>!ito eBetivas para detectar pe5!enas

"!dan$as na ":dia7
Indicadas para o controle a!to"ati6ado(
N recomendado o uso simult7neo de cartas

para
t
e valores individuais ( ou )
x
12/
Carta de >:dias >Pveis
A mdia m:vel de amplitude W definida como$
A mdia m:vel recalculada a cada novo su.50rupo<

A vari7ncia de
t
resulta$
0
x x x
1
0 ' ' '
'
1 1
...
+
+ + +
=
n0
2 1 3
'

=
121
Assim, os =1s para a mdia m:vel para perodos onde t W sero$
Fara o exemplo anterior teremos W%),

n0
x LCS
3
+ =
n0
x LCI
3
=
LCS x A R
LCI x A R
= +
=
2
2
ou
!3 . x = !. 1 R =
/2 ! !. 1 !3 / !3 . R A x LCS
2
= + = + =
44 4 !. 1 !3 / !3 . R A x LCI
2
= = =
122
5
6
7
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
M
d
i
a

M
F
2
e

(
G
a
n
e
a
-

4
)
Limite Cont( &nferior $ 4,6022 Ca")a) 0)#e,iai)
/2 ! !. 1 !3 / !3 . R
2
A x LCS = + = + =
44 4 !. 1 !3 / !3 . R
2
A x LCI = = =
123
E8ercFcio 3
1alcule os limites de controle e plote a carta de

mdias m:veis (com Banela W%)) para os dados do
exerccio anterior.
1)9
Fara perodos onde J M t M W, usar
6xemplo$ AeBa um processo com amostras de

taman"o n%E, com e . Aupon"a
*ue voc! deseBa construir um 0rfico de mdias
m:veis com W%E para esses dados.
n' x LCS / 3 + =
n' x LCI / 3 =
// 1/ x =
## . =
1)1
1)2
A mdia m:vel de amplitude W%E ser$
Fara perodos J M t M W, usar
Fara t%)
Fara t UW%E
8
...
1 1 +
+ + +
=
0 ' ' '
'
x x x
1
n' x LC / 3 =
/ ! 4 - 4 ## . 3 1/ LIC = =
12 , 12 8 8 / 66 , 5 3 10 = + = LSC
88 , 7 8 8 / 66 , 5 3 10 = = LIC
0 , 13 4 8 / 66 , 5 3 10 = + = LSC
1))
1)+
Os dados s0o
variveisQ
N0o
Processo pode
ser "onitorado
!sando nO1
Q
Carta para
valores individ!ais
G H A>
o! ":dias "Pveis
Si"
Si"
>:dias pode"
ser calc!ladasQ
Carta para
"edianas
N0o
S!#4r!po O 19Q
N0o Carta
G H R
Desvios pode"
ser calc!ladosQ
N0o
Carta
G H R
Si"
Carta
G H S
Si"
Si"

Cartas de Controle para Variáveis

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cartas de Controle para Variáveis

Enviado por

Direitos autorais:

Formatos disponíveis

1

Variveis so caractersticas mensurveis, como por

resistncia de !"a #arra de a$o

peso de !" o#%eto

te"po de atendi"ento de !" pedido&

di'"etro de !"a pe$a& etc(

As cartas para variveis, mais especificamente, as cartas

uitos processos t!m caractersticas mensurveis, assim "

#ma medio (por exemplo$ l % &',()) contm muito mais

-.ter valor medido mais caro do *ue simplesmente

Contudo, as medies fornecem mais informaes e, portanto,

Assim, o custo total de amostra0em pode ser menor.

1omo exi0em uma amostra0em pe*uena, o lapso de

2uando se usa variveis, a anlise do desempen"o do

3sso importante na .usca da mel"oria contnua.

As variveis podem ser usadas para monitorar a

!" par'"etro de locali6a$0o7

!" par'"etro de dispers0o(

da amostra A para ; muda a tend!ncia central, mas a

da amostra A para 1 muda a varia.ilidade, mas a tend!ncia

da amostra ; para 1 muda a tend!ncia central e a

#ma causa especial pode atuar em um

=o0o, necessrio monitorar duas cartas

a carta de ":dia para detectar 5!ando a

a carta de a"plit!de para detectar a

1omo visto, as variveis podem se0uir vrios tipos

>o entanto, a maioria das aplica9es do controle

- @eorema do =imite 1entral indica *ue a soma (e por

A aproximao mel"ora na medida em *ue n

A distri.uio de pro.a.ilidade da varivel resultante

>o entanto, se ao invs de lanar um dado, seBam

- @eorema do =imite 1entral .sico para a

A partir do @eorema do =imite 1entral, sa.e5se *ue

#m pes*uisador deseBa sa.er mdia da idade

Aupondo *ue no fosse possvel analisar a populao

Aupondo *ue no fosse possvel analisar a populao

-s limites da distri.uio dos valores individuais

>a verdade, esses limites so intervalos de

1omo a anlise do processo reali4ada atravs de

1omo no se sa.e ao certo onde estar o verdadeiro

#m intervalo de confiana de 100(1-)

>o 16F, usualmente utili4a5se intervalos de confiana

-s limites de confiana de 100(1-) so calculados usando5

Fara intervalos de confiana de GG,HDI tem5se$

Fasso &$ 1oleta de dados

Fasso C$ 1lculo dos limites de controle

Fasso D$ 3nterpretao da esta.ilidade do processo

Fasso )$ 3nterpretao da capacidade do processo

(&) 1oleta de dados

Os dados deve" ser coletados e" pequenas

As pe$as dentro de !"a a"ostra s0o

As a"ostras deve" ser coletados a !"a freq$%ncia

A Bre5<ncia de a"ostra4e" deve ser deBinida de Bor"a

A Bre5<ncia de a"ostra4e" deve ser selecionada de

A deBini$0o de ta"anCo de a"ostra e Bre5<ncia de

A planil"a deve conter$

*" ca#e$alCo para a co"pleta identiBica$0o da

*" 5!adro para anota$-es dos valores

- clculo preliminar dos limites de controle pode ser

3nicialmente calcula5se a amplitude mdia e a mdia

1alcula5se os limites de controle das mdias

A f:rmula resulta em$

Au.stituindo5se na e*uao anterior, tem5