Você está na página 1de 140

2012

EVOLUO DA GESTO PELA QUALIDADE

INSPEO

CONTROLE ESTATSTICO

GARANTIA DA QUALIDADE

QUALIDADE TOTAL

INSPEO

INSPECIONAR CONSISTE EM VERIFICAR O RESULTADO DE UM PROCESSO


PRODUTIVO,

COMPAR-LO

UM

PADRO

DECIDIR

SOBRE

SUA

APROVAO OU REJEIO.

CONTROLE ESTATSTICO
A INSERO DO CONTROLE ESTATSTICO TROUXE UMA REDUO NOS
CUSTOS DE INSPEO, VIABILIZANDO O CONTROLE DA QUALIDADE NAS
ATIVIDADES DE VERIFICAO SOBRE OS LOTES DE PRODUTOS FABRICADOS.

GARANTIA DA QUALIDADE

ESTA VISO SE BASEIA NO PRINCPIO DE QUE PARA SE CONSEGUIR A


VERDADEIRA GARANTIA DA QUALIDADE DE UM PRODUTO, O CONTROLE
DEVE COMEAR PELO SEU PROJETO, ESTENDER-SE SUA ENTREGA, E
TERMINAR QUANDO O USURIO DEMONSTRAR SATISFAO COM O USO DO
PRODUTO.
2

QUALIDADE TOTAL
TAMBM CONHECIDO COMO O "CONTROLE DA QUALIDADE POR TODA A
EMPRESA", A QUALIDADE TOTAL SE BASEIA NA INTEGRAO DAS
ATIVIDADES DE FORMA SISTEMTICA, INTERFUNCIONALMENTE, SUPRIMINDO
A VISO DA EMPRESA DEPARTAMENTALIZADA.

QUADRO COMPARATIVO
INSPEO
Preocupao
bsica

nfase

Verificao

Um problema a
ser resolvido

Inspeo,
Atividades

classificao,
contagem e
avaliao

CONTROLE

GARANTIA DA

QUALIDADE

ESTATSTICO

QUALIDADE

TOTAL

Controle

Coordenao

Um problema a

Um problema a

Satisfao das

ser resolvido com

ser resolvido

necessidades do

menos inspees

proativamente

mercado

Soluo de

Planejamento e

problemas com

coordenao das

aplicao de

atividades que

mtodos

influem na

estatsticos

qualidade

Impacto
Estratgico

Contribuio
efetiva de cada
membro da
organizao

COMPARAO DAS VISES SOBRE QUALIDADE

TRADICIONAL

ATUAL

Produtividade e qualidade so objetivos


conflitantes

Ganhos de produtividade so obtidos com a


melhoria da qualidade

Qualidade definida como conformidade com


os requisitos

Qualidade entendida como satisfao das


necessidades do usurio

Qualidade medida atravs do grau de no


conformidade

Qualidade medida pela melhoria contnua


do produto, processo e satisfao do
usurio

Qualidade obtida atravs da intensiva


inspeo de produto

Qualidade determinada pelo projeto do


produto e acompanhada por efetivas
tcnicas de controle

Alguns defeitos so permitidos se o


processo atinge padres mnimos de
qualidade

Defeitos so prevenidos atravs de tcnicas


preventivas de controle de processo

Qualidade como funo separada e o foco


de ateno em avaliao

Qualidade como parte de cada funo em


todas as fases do ciclo operacional

Pessoas so culpadas por m qualidade

A gerncia responsvel pela qualidade

Relaes com fornecedores so curtas e


orientadas para custo

Relaes com fornecedores so longas e


orientadas para qualidade

AS FERR AMENT AS BSIC AS DA QU ALID ADE

ESTRATIFICAO

- uma forma de dividir ou separar um conjunto de dados em vrios outros,


denominados camadas ou estratos.
Finalidade: Possibilitar melhor avaliao das caractersticas de um problema
por meio de agrupamento de dados.
Agrupamentos: Tempo, local, tipo, sintoma, indivduo, outros

ESTRATIFICAO

FOLHA DE VERIFICAO
- um formulrio onde os estratos a serem observados foram previamente definidos e
impressos.
Finalidade:

Facilitar a coleta de dados;

Tornar prtico o manuseio dos dados em clculos estatsticos

Dicas:

O pessoal envolvido na coleta de dados deve estar devidamente


informado e treinado;

O volume de dados a ser coletado deve ser representativo do todo;

Os dados devem ser coletados de modo aleatrio;

Os dados, sempre que possvel, devem ser associados a smbolos,


contagens ou marcaes

O universo sob observao deve ser homogneo. Se no, deve ser


inicialmente estratificado (agrupado) e cada grupo observado
individualmente.

GRFICO DE PARETO
- uma forma especial do grfico de barras verticais organizadas em ordem
decrescente de ocorrncias.

Finalidade:

Identificar as causas que determinam a maioria das perdas


(problemas) (poucas causas so vitais e muitas so triviais);

Analisar diferentes grupos de dados;

Comparar o efeito aps mudana no processo.

Etapas:
1. Identificar o problema;
2. Coletar dados (folha de verificao);
6

3. Organizar dados (folha de verificao);


4. Calcular os percentuais relativos e acumulados;
5. Elaborar o grfico de Pareto.

GRFICO DE PARETO

DIAGRAMA DE CAUSA E EFEITO ("ISHIKAWA")


- Representa a relao entre o efeito e todas as possibilidades de causas que podem
contribuir para este efeito.

Finalidade:

Identificar de modo simples, rpido e sistemtico a relao mltipla


entre causa e efeito;

tambm utilizado para estabelecer os itens de verificao.

Etapas:
1. Identificar o problema;
2. Desenhar a cabea do diagrama (efeito);
3. Listar as causas;
4. Identificar o diagrama de causa e efeito.

DIAGRAMA DE CAUSA E EFEITO

HISTOGRAMA
- uma ferramenta que envolve a medio de dados e mostra a sua distribuio.
Mostra quanto de variao existe em qualquer processo.

Finalidade:

Verificar a capacidade do processo, ou seja, a quantidade de variao


existente no mesmo;

Comparar a distribuio dos dados com limites de especificao;

Averiguar a existncia de dados dissociados dos demais;

Checar a forma da distribuio dos dados.

Etapas:
1. Identificar a varivel;
2. Coletar dados (N > 30); (em geral: 50 < N < 200);
3. Encontrar os valores mximo e mnimo;
4. Definir o nmero de classes (5 < K < 20);
5. Calcular a largura (intervalo) da classe [h = (Xmx-Xmin) / K]
6. Calcular os limites de classe;
7. Elaborar a tabela de freqncia;
8. Desenhar o histograma.

Nmero de classes

Quantidade de dados (n)

Nmero de classes (K)

40 - 60

61 - 80

81 - 100

10

101 - 150

12

151 - 200

16

> 200

20

Alguns autores indicam tambm:

Quantidade de dados (n)

Nmero de classes (K)

< 50

5a7

de 50 a 100

6 a 10

de 100 a 250

7 a 12

> 250

10 a 20

So tambm aceitas as frmulas:


a) k = 1 + 3,222log n
b) k = n

6 etapa:

1 classe: Xmin - D
2 classe: 1 classe + h
3 classe: 2 classe + h ( e assim por diante)

ltima classe = penltima classe + h

10

11

12

GRFICO DE CORRELAO
- Mostra a relao entre duas variveis quaisquer.
Finalidade:

Estudar a relao entre duas variveis quaisquer, que podem ser:


duas caractersticas de qualidade, uma causa e um efeito ou mesmo
duas causas relacionadas a um mesmo efeito;

Etapas:
1. Identificar as variveis;
2. Coletar dados (N > 30 pares);
3. Desenhar as escalas ( conveniente que ambas as escalas tenham o
mesmo comprimento);
4. Plotar os pontos;
5. Registrar as informaes.

Tipos de correlao:
1. Correlao positiva forte;
2. Correlao positiva moderada;
3. Correlao negativa forte;
4. Correlao negativa moderada;
5. Ausncia de correlao.

13

GRFICOS DE CORRELAO

14

GRFICO DE CONTROLE
- Permite a representao de uma varivel qualquer do processo, entre limites de
controle previamente calculados.

- Os grficos de controle so bastante usados no CONTROLE ESTATSTICO DO


PROCESSO - CEP, pois atravs de sua anlise podemos identificar e corrigir, em
tempo hbil, quaisquer variaes.

NOES DE AMOSTRAGEM

1. Introduo
Estatstica a cincia responsvel pelo estudo dos dados. Ela se preocupa com a
coleta, organizao, descrio, anlise e interpretao de dados, de forma a:

1. Evitar a manipulao de nmeros para se obter resultados tendenciosos.


2. Ajudar na tomada de decises.
3. Ajudar na elucidao de problemas.
4. Contribuir na pesquisa cientfica.

A estatstica deve ser vista como uma ferramenta que ir auxiliar no processo de
tomada de deciso.

Envolve dois diferentes processos:


1 descrever grande nmero de informaes (dados)
2 obter concluses (tomada de deciso, predio, etc.) normalmente baseando-se
numa amostra.

15

2. Elementos bsicos de um estudo estatstico

a) Populao: um conjunto de elementos com pelo menos uma caracterstica em


comum (pessoas, objetos, eventos, etc) que se deseja estudar.
Exemplos: (1) todos os trabalhadores do Brasil; (2) todos as pessoas que possuem
ttulo de eleitor do Esprito Santo; (3) todas as plantas de caf em uma propriedade; (4)
os alunos de uma determinada Faculdade, etc.
b) Amostra: uma parte representativa da populao, retirada ou escolhida de forma
aleatria ou sistemtica, por um processo de amostragem, para se poder ter
representado nesta amostra as tendncias da populao.
Exemplo: quando se faz uma pesquisa eleitoral, impraticvel entrevistar toda a
populao de um pas, estados ou municpios, desta forma, seleciona-se, com base em
algumas informaes, uma amostra de pessoas que represente o pas, estado ou
municpio.
c) Variveis: so as caractersticas ou propriedades de interesse no estudo de uma
populao.
Exemplo: avaliao das variveis: idade, sexo e nmero de anos de formao escolar
das pessoas desempregadas em certo municpio, etc.

d) Unidades amostrais ou unidades de observao: so elementos a partir dos


quais so levantadas as informaes.
Exemplo: municpios, propriedades agrcolas, postos meteorolgicos, pontos em fotos
areas, estabelecimentos comerciais ou industriais.

O procedimento estatstico aplicado depender da natureza das variveis.


Quanto a sua natureza, as variveis poder ser classificadas em:
a) Variveis quantitativas discretas e contnuas
b) Variveis qualitativas nominais e ordinais

a) Variveis quantitativas
As variveis quantitativas referem-se s quantidades medidas numa escala numrica e
podem ser divididas em dois grupos: discretas e contnuas.
16

a) Variveis quantitativas discretas: referem-se s variveis numricas que assumem


somente nmeros inteiros e positivos, e normalmente podem ser medidas por
processos de contagem: 0, 1, 2, 7, 21, ..., 55,...
Ex: Quantidades de vendas dirias de uma empresa
Nmero de movimento das contas correntes dos clientes de um banco
Quantidade de peas defeituosas de um lote de produo
b) Variveis quantitativas contnuas: referem-se s variveis que podem assumir
qualquer valor dentre os nmeros reais.
Ex: O valor de vendas dirias de uma empresa;
O valor dos movimentos das contas correntes dos clientes de um banco;
O consumo mensal de energia eltrica;
A altura das plantas de milho de uma plantao;
O peso de caixas de bombons.
b) - Variveis qualitativas
As variveis qualitativas referem-se s variveis no-numricas e so classificadas em
variveis nominais e variveis ordinais.
a) Variveis qualitativas nominais: no tm ordenamento nem hierarquia.
Ex: O sexo dos funcionrios cadastrados em uma empresa;
O nome das empresas que tm aes negociadas na bolsa de valores.
b) Variveis qualitativas ordinais: so equivalentes s variveis nominais, porm
incluindo uma ordem ou hierarquia.
Ex: O cargo dos funcionrios cadastrados em uma empresa: presidente, diretor,
gerente, etc.
A posio das dez primeiras empresas mais lucrativas que tm aes negociadas na
bolsa de valores: primeira, segunda, ....

17

3. Amostragem

3.1 Amostragem intencional:


Os indivduos ou amostras selecionados so considerados tpicos ou representativos
do total da populao. So os estudos de caso, muito comuns na geografia, nos quais
uma fazenda, municpio, cidade ou bacia hidrogrfica so selecionados e estudados
como exemplos de uma rea mais abrangente.
Deve-se lembrar que amostras intencionais no se prestam a tratamentos estatsticos
que levem a inferncias sobre a populao sendo seus resultados vlidos somente
dentro dos limites da prpria amostra.
3.2 Amostragem probabilstica:
Caracteriza-se por privilegiar o elemento chance na escolha das unidades amostrais. A
aleatoriedade da seleo dos indivduos amostrados o princpio bsico deste tipo de
amostragem que se assenta em teorias e regras matematicamente estabelecidas de tal
sorte que os resultados obtidos para a mostra podem ser estendidos para a populao
com grau de confiana determinado.
H vrias maneiras de se proceder quanto seleo aleatria de amostras.
A seleo ou retirada da amostra obedece, de modo geral, algumas condies.
Na seleo casual simples, os elementos da lista so numerados de 1 a n, na ordem
em que aparecem, e com auxlio de uma tbua de nmeros aleatrios, os elementos da
amostra so retirados.
Na seleo sistemtica conveniente que os dados estejam ordenados (por valor,
ordem alfabtica, etc.)
Conhecendo o nmero total de elementos da populao (N) e o nmero de elementos
que se deseja retirar na amostra (A) pode-se estabelecer o intervalo constante (K) para
a seleo das unidades amostrais fazendo-se K=

N
A

em que
K o intervalo constante para a seleo;
N o nmero total de elementos da populao;
A o nmero de elementos que se deseja retirar na amostra.

18

Por exemplo, tem-se uma populao de 2000 elementos de deseja-se uma amostra de
200 (10%), tem-se que:
K=

N
2000
=
=10
A
200

o que significa que deve ser retirado um elemento em cada 10.


3.3. Tamanho da amostra
Qual o tamanho da amostra deve ser utilizado para representar com certo grau de
confiana uma determinada populao?

O tamanho da amostra basicamente funo do nmero de indivduos componentes


da populao, sua variabilidade e nvel de preciso desejada para as inferncias a
partir da amostra.

Geralmente, quanto maior o nmero de indivduos na populao (N) proporcionalmente


menor ser o nmero de indivduos que devem ser selecionados pela amostra.
Quanto maior a variabilidade da populao, maior dever ser a amostra. Quanto maior
a preciso desejada, maior dever ser a amostra.

Para a determinao do tamanho da amostra, o pesquisador precisa especificar o erro


amostral tolervel, ou seja, o quanto ele admite errar na avaliao dos parmetros de
interesse. Por exemplo, na divulgao de pesquisas eleitorais, comum encontrar no
relatrio, algo como: a presente pesquisa tolera um erro de 2%. Isto significa que,
quando a pesquisa aponta determinado candidato com 20% de inteno de voto do
eleitorado, est afirmando que a preferncia por este candidato um valor do intervalo
de 18% a 22%, ou seja, 20% + 2%.

Erro amostral a diferena entre o valor que a estatstica pode acusar e o verdadeiro
valor do parmetro que se deseja estimar.

19

3.3.1. Clculo do tamanho da amostra


Ser apresentado um mtodo simples para calcular tamanho de amostra.
Mesmo sem conhecer o tamanho da populao, pode ser feita uma primeira
aproximao do tamanho da amostra, que ser utilizado posteriormente para calcular o
tamanho da amostra, atravs da seguinte expresso:

n
0

2
0

em que:
n0 = uma primeira aproximao para o tamanho da amostra;
E0 = erro amostral tolervel;
Conhecendo o tamanho N da populao, pode-se corrigir o clculo anterior por:

N . n0
N n0

em que:
n = tamanho (nmero de elementos) da amostra;
N = tamanho (nmero de elementos) da populao;
Exemplo 1: Planeja-se um levantamento por amostragem para avaliar diversas
caractersticas da populao das 200 famlias moradoras de um certo bairro. Estas
caractersticas (parmetros) so especialmente do tipo percentagens, tais como, a
percentagem de famlias que usam programas de alimentao popular, a percentagem
de famlias que mora em casas prprias, etc. Qual deve ser o tamanho de uma amostra
aleatria simples, tal que se possa admitir que os erros amostrais no ultrapassem
4%?

Soluo:
200 famlias : N = 200
Erros amostrais de 4% E0 = 0,04
Uma primeira aproximao:

n
0

2
0

(0,04)

= 625 famlias

20

Corrigindo, em funo do tamanho (N) da populao, tem-se:

N . n0
N n0

(200).(625) 125000
=
= 152 famlias
825
200 625

Exemplo 2: Considerando os mesmos objetivos e valores do exemplo anterior, qual


deveria ser o tamanho da amostra se a pesquisa fosse estendida para toda a cidade,
que contm 200.000 famlias residentes?

Soluo: O valor de n0

continua o mesmo do caso anterior (n0 =625), pois n0

independe do tamanho da populao N. Fazendo a correo em termos do novo valor


de N, tem-se:

N . n0
N n0

(200000).(625)
= 623 famlias
200000 625

No ltimo exemplo pde-se observar que a correo com o tamanho N da populao,


praticamente no alterou o clculo inicial do tamanho da amostra (n0 =625 e n=623).
Em geral, se a populao for muito grande (dezenas de milhares de elementos), o
clculo do tamanho da amostra pode ser feito pela primeira expresso:

n
0

=n

sem levar em conta o tamanho exato, N, da populao.

21

Exerccio:
Para uma taxa de erro amostral constante (2%), calcule o tamanho da amostra (n),
quando a populao de interesse apresentar as dimenses (N) listadas no quadro a
seguir. Completar o quadro e fazer um grfico plotando os valores de N no eixo x e n
no eixo y.

n0

500
1000
5000
10000
50000
100000
500000
1000000
10000000
100000000

22

DEFINIO DE CONTROLE DE PROCESSO


PROCESSO

Todo trabalho executado em uma empresa pode ser visto


como um processo, ou seja, um conjunto de atividades
realizadas com um determinado propsito;
Um processo nada mais do que a combinao de pessoas,
mquinas, mtodos, etc. com a finalidade de se obter um
produto (bem ou servio).

CONTROLE

Processo gerencial de estabelecimento e agrupamento de


padres, visando manter uniforme a QUALIDADE do produto.

EXEMPLO DE PROCESSO PRODUT IVO E AD MI NIST RAT IVO

Componente
fornecedor (f)

Fabricao de Papel

Contratao de
Funcionrio

fabricante de celulose

mercado de trabalho

entradas (e)

celulose

candidatos

processo (p)

cozimento e calandragem

seleo e recrutamento

sada (s)

papel

candidato aprovado

cliente (c)

empresas do mundo todo

rea solicitante

23

CONTROLE DO PRODUTO x PROCESSO

Tipo de Controle

Produto

Processo

nfase

Deteco de defeitos

Preveno de defeitos

Objetivo

Separar itens bons dos ruins

Evitar itens ruins

Padro de
Comparao

Limites de especificao

Limites de controle

Tipo de Ao

Inspeo

Controle

Responsvel

Operador ou inspetor

Todos os envolvidos

CONTROLE ESTATSTICO DE PROCESSO


um mtodo preventivo de se comparar, continuamente, os resultados de um
processo com padres, identificando a partir de dados estatsticos, as tendncias para
variaes significativas, a fim de eliminar / controlar essas variaes, com o objetivo de
reduzi-las cada vez mais.

24

VANTAGENS NA UTILIZAO DO CEP


Diversas so as vantagens da aplicao do CEP nas operaes de uma
empresa. Provavelmente as mais importantes so:
a) Determinar o tipo de ao requerida (local ou no sistema) e,
consequentemente, estabelecer a responsabilidade pela sua adoo
(operao ou administrao);

b) Reduzir a variabilidade das caractersticas crticas dos produtos de


forma a obter-se uma maior uniformidade e segurana dos itens
produzidos;

c) Permitir a determinao da real viabilidade de atender s especificaes


do produto ou s necessidades dos clientes, em condies normais de
operao;

d) Implantar solues tcnicas e administrativas que permitam a melhoria


da qualidade de (principalmente) aumento da produtividade;

e) Possibilitar o combate s causas dos problemas ao invs de seus


efeitos, de modo a erradic-los definitivamente do sistema de trabalho.

25

MAP AS DE PR OCESSO

O mapa de processo deve descrever:


Os limites do processo: onde comea e onde termina (escopo do trabalho).
Principais atividades / tarefas.
Parmetros:
Parmetro de produto final (Y maisculo):
Caracteriza o produto do processo no estgio de produto acabado.
Parmetro de produto em processo (y minsculo):
Caracteriza o produto antes do estgio de produto acabado.
Parmetro de processo (x):
Varivel mensurvel de um processo que pode afetar os parmetros de
produto.

26

MAPA DO PROCESSO FURAO

y = POSIO DA
PEA NA
FURADEIRA

ALINHAR A
PEA NA
BASE DA
FURADEIRA

PRODUTO
EM
PROCESSO:
PEA
ALINHADA

X = LIMPEZA DA PEA
X = LIMPEZA DA BASE
X = IDADE DOS PINOS DE
ALINHAMENTO

X = LIMPEZA DOS PINOS


DE ALINHAMENTO

y = ESTABILIDADE DA
PEA NA BASE
y = PLANICIDADE DA
PEA NA BASE

FIXAR A
PEA NA
BASE DA
FURADEIRA

PRODUTO
EM
PROCESSO:
PEA
FIXADA

X = FORA DO GRAMPO
X = LOCALIZAO DO
GRAMPO

Y = DIMETRO DO
FURO
Y = CONCENTRICIDADE
DO FURO

FURAR (Fazer
o furo)

PRODUTO
FINAL:
PEA
FURADA

X = VELOCIDADE
X = TIPO DE
REFRIGERANTE
X = DESIGN DA
FERRAMENTA
X = IDADE DA
FERRAMENTA

X = DUREZA DO
MATERIAL

27

CLASS IF IC A O D OS PARMETROS DE PROCESSO

Parmetro de Processo Controlvel:


Varivel que pode ser ajustada em um valor pr-determinado e mantida em torno
deste valor.

Parmetro de Rudo:
Varivel que no pode ser ajustada em um valor pr-determinado e mantida em
torno deste valor.

MAPA DO PROCESSO FURAO

y = POSIO DA
PEA NA
FURADEIRA

ALINHAR A
PEA NA
BASE DA
FURADEIRA

PRODUTO
EM
PROCESSO:
PEA
ALINHADA

(R) LIMPEZA DA PEA


(R) LIMPEZA DA BASE
(C) IDADE DOS PINOS DE

y = ESTABILIDADE DA
PEA NA BASE
y = PLANICIDADE DA
PEA NA BASE

FIXAR A
PEA NA
BASE DA
FURADEIRA

PRODUTO
EM
PROCESSO:
PEA
FIXADA

(C) FORA DO GRAMPO


(R) LOCALIZAO DO
GRAMPO

ALINHAMENTO
(R) LIMPEZA DOS PINOS
DE ALINHAMENTO
Legenda: (C) = Parmetro Controlvel
(R) = Parmetro de Rudo

Y = DIMETRO DO
FURO
Y = CONCENTRICIDADE
DO FURO

FURAR (fazer
o furo)

PRODUTO
FINAL:
PEA
FURADA

(C) VELOCIDADE
(C) TIPO DE
REFRIGERANTE
(C) DESIGN DA
FERRAMENTA
(C) IDADE DA
FERRAMENTA
(R) DUREZA DO
MATERIAL
28

PARMETRO CRTICO

O mapa de processo base para a caracterizao do processo


a determinao dos relacionamentos existentes entre os parmetros
de processo e os parmetros de produto:

Se a caracterizao do processo indica que a variao em um parmetro


controlvel ou em um parmetro de rudo exerce um impacto significativo na
performance do produto (medida pelos parmetros de produto), aquele
parmetro identificado como um parmetro crtico.

29

MAPA DO PROCESSO FURAO

y = POSIO DA
PEA NA
FURADEIRA

ALINHAR A
PEA NA
BASE DA
FURADEIRA

PRODUTO
EM
PROCESSO:
PEA
ALINHADA

(R) LIMPEZA DA PEA


(R) LIMPEZA DA BASE
(C) IDADE DOS PINOS

y = ESTABILIDADE DA
PEA NA BASE
y = PLANICIDADE DA
PEA NA BASE

FIXAR A
PEA NA
BASE DA
FURADEIRA

PRODUTO
EM
PROCESSO:
PEA
FIXADA

*(C) FORA DO GRAMPO


(R) LOCALIZAO DO
GRAMPO

DE ALINHAMENTO

*(R) LIMPEZA DOS PINOS


DE ALINHAMENTO

Y = DIMETRO DO
FURO

Y = CONCENTRICIDADE
DO FURO

FURAR (fazer
o furo)

PRODUTO
FINAL:
PEA
FURADA

*(C) VELOCIDADE
(C) TIPO DE
REFRIGERANTE
(C) DESIGN DA
FERRAMENTA

(C) IDADE DA
Legenda: (C) = Parmetro Controlvel
(R) = Parmetro de Rudo
* = Parmetro Crtico

FERRAMENTA
(R) DUREZA DO
MATERIAL

30

VARIAO
NO EXISTEM DOIS
OBJETOS EXATAMENTE
IGUAIS

C AT EG O R I AS D E V AR I A E S

DENTRO DA PEA

PEA A PEA

AO LONGO DA PEA

FATORES QUE CONTRIBUEM PARA AS VARIAES

PROCESSO

AMBIENTE

MATERIAIS

OPERADORES

INSPEO

31

V AR IA ES
- Qualquer processo apresenta variabilidade, isto um fato da natureza. As variaes
que ocorrem num processo de produo podem ser desmembradas em duas
componentes:

Uma de difcil controle chamada Variao Aleatria ou Comum;

E outra controlvel, chamada de Causal ou Especial ou Identificvel.

Pode-se dizer ento, que a Variao Total a soma das Variaes Especiais e
Comuns.

Variao Total = Variao Comum + Variao Especial


Causas de variao

Causa comum:

definida como uma fonte de variao que afeta a todos os valores


individuais de um processo. resultante de diversas origens, sem que
nenhuma delas tenha predominncia sobre a outra;

A variao devido a causas comuns est sempre presente, ela no pode ser
reduzida sem mudanas na concepo do processo;

Quando somente estas variaes esto presentes, a melhoria da qualidade


do produto precisa de decises gerenciais que envolvem, por vezes,
investimentos significativos.

Causa especial:

um fator que gera variaes que afetam o comportamento do processo de


maneira imprevisvel. Uma ou poucas causas produzem grandes variaes
no processo;

No possvel obter-se um padro ou distribuio de probabilidade;


Diferencia-se da causa comum pelo fato de produzir resultados totalmente
discrepantes com relao aos demais valores;

Em geral, a correo pode ser feita na prpria linha e no envolve


investimentos significativos.

32

CAUSAS ALEATRIAS X CAUSAS IDENTIFICVEIS


(CAUSAS COMUNS X CAUSAS ESPECIAIS)

33

34

CAUSAS COMUNS E CAUSAS ESPECIAIS DE VARIAO

TIPOS DE CEP
As indstrias podem ser classificadas nas seguintes categorias quanto ao seu processo
de produo:

Produo em massa: caracteriza-se por produzir um ou poucos tipos de produtos,


com baixa diferenciao e em grandes quantidades. Normalmente adota arranjo
fsico linear (linha de montagem) com pouca flexibilidade.

Produo intermitente (repetitiva ou sob encomenda): engloba a maior parte da


indstria nacional, onde j existe uma diversificao maior do que no caso anterior,
podendo possuir uma linha prpria de produtos ou fabricando apenas sob
35

especificao do cliente. O arranjo fsico costuma ser funcional, com equipamentos


flexveis.

Produo enxuta: nesta categoria esto aquelas indstrias que adotaram os


modernos conceitos de produo, tais como sistema just-in-time, clulas de
manufatura, manufatura integrada por computador, etc. Caracteriza-se por possuir
baixos estoques, equipamentos versteis e flexibilidade para mudana de volumes
e tipos de produtos.

Processo contnuo: esta categoria representada pelas indstrias qumicas e


petroqumicas, alm de outro sem nmero de empresas, onde no existem
unidades discretas (unidades individuais) de produto durante o processo, mas
somente ao final deste, quando da sua embalagem.

SISTEMAS DE PRODUO E T IPOS DE C EP

Sistemas de Produo

Tipo de CEP

Produo em Massa

Convencional

Produo Intermitente
(Repetitiva ou Sob Encomenda)

Convencional
e Pequenos Lotes

Produo Enxuta

Pequenos Lotes

Processo Contnuo

Processo em Bateladas

Processo Contnuo

Convencional

36

Convencional: Grande quantidade de dados; produtos discretos (unidades


individuais).
Pequenos lotes: Escassez de dados; grande diversificao de produtos que
passam pelo mesmo equipamento.
Contnuo ou em Bateladas: Produto de natureza contnua (no possvel definir
claramente o que seja uma unidade de produto). As quantidades produzidas so
variveis, podendo haver pouca ou muita diferenciao. Normalmente so
produzidos no mesmo equipamento.

PROCESSOS "DISCRETOS" E CONT NUOS

Discreto

Contnuo

Materiais manufaturados

Materiais da natureza

Menor variabilidade

Maior variabilidade

Manual ou
semi-automtico

Semi ou totalmente
automtico

Baixa quantidade de
controles

Alta quantidade de
controles

Alterao nos controles


gera resultado imediato

Alterao lenta e
gradual

Peas ou subconjuntos

Fluxo contnuo ou lotes


de material

A sada pode ser alterada


instantaneamente

Entradas

Controle do
Processo

Sadas
A sada muda
gradualmente

37

C AR ACT ERIZ A O D E AMOST RAS


Medidas de Centralizao:

Mdia: (x )
calculada como sendo a soma de todos os valores da amostra, divididos pela
quantidade total de valores (n).
n

x
x

i 1

Mediana: ( ~
x)
calculada como sendo o termo ordenado de ordem (n + 1)/2, quando se tem
uma quantidade mpar de valores, ou a soma do termo de ordem n/2 com o termo
de ordem n/2 + 1, divididos por 2, quando a quantidade par.

Medidas de Disperso
Desvio - padro: (s)
definido como sendo a raiz quadrada da soma dos desvios quadrticos de
cada valor com relao mdia, divididos por (n - 1).

s =

( xi x )

i 1

n 1

Amplitude (R)
a diferena entre o maior e o menor valores da amostra.
R = xmx.- xmin.

38

Seja o seguinte conjunto de valores:


{12,1; 12,5; 11,7; 13,1; 12,5}
Item

Frmula

Mdia

Mediana

Desvio Padro

Amplitude

12,1 12,5 11,7 13,1 13,5


5

Valor
12,4

11,7 - 12,1 - 12,5 - 12,5 - 13,1

12,5

(12,1 12,4) 2 ..... (12,5 12,4)2


4

0,52

R = 13,1 - 11,7

1,4

SRIES TEMPORAIS

39

D AD OS AGRUP ADOS
Amostra

Valores

x-barra

24

24

20

25

20,0

18

17

37

28

16

26

24,8

21

12

22

40

36

34

28,8

28

52

34

29

36

24

35,0

28

28

28

34

29

48

33,4

20

30

27

48

32

25

32,4

23

36

21

31

22

28

27,6

15

33

15

26

42

24,2

37

50

34

37

27

34

36,4

23

10

21

17

20

25

16

19,8

11

34

18

29

43

24

29,6

25

12

18

35

26

23

17

23,8

18

13

10

28

19

26

21

20,8

18

14

21

23

33

28

38

28,6

17

15

27

41

15

22

23

25,6

26

16

31

19

39

21

38

29,6

20

17

37

46

22

26

25

31,2

24

18

13

32

35

44

45

33,8

32

19

44

25

32

39

29,8

35

20

14

27

34

34

52

32,2

38

567,4

475

Total

40

C AR AC TERIZ AO D A POPUL AO

Medidas de Centralizao: () ( x ; x )
A mdia da populao costuma ser representada pela letra grega (mi)
Na prtica, este valor nunca conhecido e, portanto, deve ser estimada
(substituda) pelo valor de x barra, quando se possui uma nica amostra ou por xduas barras, quando se possuir mais de uma amostra.
k

x =

i 1

Medida de Disperso: () ( R ) ( s )
O desvio-padro da populao representado pela letra grega (sigma). Como
tambm desconhecido, costuma ser substitudo por R-barra ou, at, por s-barra.
Contudo, ao fazer esta substituio, incorre-se em um erro chamado de vcio, ou
seja, no possvel a simples substituio de um valor pelo outro sem se proceder
ao uso de um fator de correo.
k

R
i 1

DISTRIBUIO DE PROBABILIDADE NORMAL

41

Por se tratar de uma distribuio contnua de probabilidade, ou seja, em que a varivel


pode assumir quaisquer valores, deve-se sempre trabalhar com reas da distribuio
normal.

DISTRIBUIO NORMAL REDUZIDA - N(0,1)


FUNO DENSIDADE DE PROBABILIDADE
f(x)
0,4

0,3

0,2
68,26%

0,1
99,54%

0,0
-4

-3

-2

-1

0
X

99,74%

42

CUIDADOS NA AMO ST R AGEM


O uso eficaz do CEP depende, sobretudo, do perfeito entendimento de como as
amostras devem ser obtidas do processo, de modo a permitir a anlise da variao
desejada.
Alguns cuidados:

Amostras Compostas: Em muitos lugares comum obter-se amostra de hora em


hora para que, ao final do dia, comp-las (ou seja, junt-las) em uma nica
amostra. Se o objetivo da empresa ter uma noo da mdia do dia deste
processo, ento este procedimento adequado. Contudo, como o valor da amostra
composta constitui-se numa mdia diria, no ser possvel avaliar a variabilidade
do desempenho global do processo ao longo do dia, j que podem, por exemplo,
ter sido obtidos valores muito baixos no princpio da manh, sendo compensados
por valores altos no perodo da tarde. Logo, a mdia em nada refletir este
comportamento.
Amostras Subdivididas em Amostras Menores: Outra prtica comum a de
obter uma nica amostra durante um dado perodo e, ento, dividi-la em amostras
menores (sub-amostras) para anlise pelo laboratrio. Se eventualmente forem
verificadas diferenas entre resultados, elas devem ser atribudas to somente
variao do sistema de medio (instrumento, analista e mtodo) e no ao
processo de onde a amostra foi obtida.
Misturas de Diferentes Fontes de Variao: Quando existem diversas linhas de
fabricao em anlise, que ao final se juntam num nico fluxo de material, disto
decorre que a amostra retirada neste ponto o resultado mdio de desempenho de
todas as linhas em conjunto. Neste caso, no possvel ter-se uma idia se h
diferena significativa entre as linhas - ou no - com este procedimento e, portanto,
importantes informaes podem ser negligenciadas.
Mistura de Amostras de Diferentes Lotes: Quando se tem um determinado
equipamento funcionando de modo ininterrupto e, acoplado a este, um outro
funciona de modo intermitente (em bateladas, por exemplo), na hora de se retirar a
amostra no se deve misturar numa mesma amostra materiais de diferentes lotes,
ou ento esta indicar tanto variao do material do lote, como eventuais

43

diferenas entre lotes. Se esta for excessiva, no haver meio de identificar qual a
origem do problema.
Materiais Contnuos: Quando materiais so produzidos em um processo, de forma
contnua, tal como laminao de alumnio, tecelagem de tecidos, extruso de
perfis, trefilao de fios metlicos, fabricao de papel, etc. o controle da variao
das propriedades no sentido longitudinal se d de modo totalmente independente
do controle no sentido transversal. No h sentido em se utilizar um tipo de
variao como base para a anlise da outra.

GRFICO DE CONTROLE
Conceito de Grfico de Controle
Comparao grfica de dados amostrais com limites de controle
estabelecidos, de acordo com tcnicas estatsticas.

44

Uso dos Grficos de Controle


Determinar as causas de variao dos dados

Aleatrias (ou comuns)

Identificveis (ou especiais)

Conceito de Atributos
Avaliao baseada numa classificao:

Cor

"Maior ou menor"

Presena ou ausncia de "defeitos"

Conceito de Variveis
Resultados numricos baseados em medies.

Comprimento de um eixo

Dimetros interno e externo de um tubo

Resistncia eltrica

Tempo de fuso

Vantagens do Controle por Atributos

Rapidez

Simplicidade

Vantagens do Controle por Variveis

Amostras menores

Preciso
(Clculos aritmticos)

45

ESQUEMA GERAL DOS GRFICOS DE CONTROLE

Mdia das Amostras (un.)

LIMITES DE CONTROLE

LSC = LIMITE SUPERIOR DE CONTROLE


+ 3

LM = LINHA MDIA

- 3

LIC = LIMITE INFERIOR DE CONTROLE

10

Nmero da Amostra

46

ESQUEMA GERAL DOS GRFICOS DE CONTROLE


FAIXA DE VARIABILIDADE "NORMAL"

Mdia das Amostras (un.)

FORA DE CONTROLE

+ 3
3

SOB
CONTROLE

- 3

FORA DE CONTROLE

10

Nmero da Amostra

47

GRFICOS DE CONTROLE
GRFICOS DE CONTROLE PARA VARIVEIS

Grfico da Mdia e Amplitude (x- barra e R)

Grficos da Mdia e Desvio-Padro (x - barra e s)

Grficos do Valor Individual e Amplitude Mvel (x e Rm)

Grficos da Mdia e Amplitude Mveis (xm - barra e Rm)

Grfico por Bateladas

Grfico por Grupos

GRFICOS DE CONTROLE PARA ATRIBUTOS

Grfico da Frao defeituosa (p)

Grfico do Nmero de Defeituosos na Amostra (np)

Grfico do Nmero de Defeitos na Amostra (c)

Grfico do Nmero de Defeitos por Unidade de Inspeo (u)

GRFIC OS DE CONTR OLE- OBJETIVOS -

Os grficos de controle possuem trs objetivos bsicos:

Verificar se processo estudado estatisticamente estvel, ou seja, se no h


presena de causas especiais de variao;

Verificar se o processo estudado permanece estvel, indicando quando


necessrio atuar sobre o mesmo; e

Permitir o aprimoramento do processo, mediante a reduo de sua variabilidade.

48

GRFICOS DE CONTROLE - REGR AS No clculo dos limites de controle e obteno de amostras as seguintes regras devem
ser obedecidas:

O desvio-padro utilizado deve ser sempre estimado com base na variao


dentro da amostra;

Os grficos sempre utilizam limites de controle localizados uma distncia de


trs desvios-padres da linha mdia;

Os dados devem ser obtidos e organizados em amostras (ou subgrupos)


segundo algum critrio racional, visando permitir a obteno das respostas
necessrias;

O conhecimento obtido atravs dos grficos de controle deve ser empregado


para modificar as aes, conforme adequado.

Permitir o aprimoramento do processo, mediante a reduo de sua variabilidade.

PLANEJAMENTO DE GRFICOS DE CONTROLE

Para planejar um grfico de controle, preciso saber:


a) o tamanho da amostra;
b) a freqncia de amostragem.

No existem frmulas para determinar esses valores, mas, em geral, possvel


escolher uma das duas estratgias:
a) tomar amostras pequenas e freqentes;
b) tomar amostras grandes e pouco freqentes.

Nem sempre possvel dizer qual a melhor estratgia, mas a indstria usa,
preferencialmente, amostras pequenas e freqentes. Ento so mais comuns as
49

indstrias que coletam amostras de tamanho 4 ou 5 a cada meia hora do que as


indstrias que coletam amostras de tamanho 20 a cada 2 horas.
preciso considerar, tambm, a taxa de produo. As indstrias que produzem 50.000
unidades por hora devem amostrar com mais freqncia do que as indstrias que
produzem 500 unidades por hora.

SUBGRUPOS RACIONAIS

A coleta dos dados que sero usados para elaborao de um grfico de controle exige
alguns cuidados. Assim, cada amostra deve ser obtida:

a) em perodo de tempo relativamente curto;


b) sob as mesmas condies de trabalho.

Para entender estas recomendaes, suponha que o dimetro de uma pea foi
escolhido como caracterstico dde qualidade num processo de fabricao. Suponha
ainda que o dimetro dessa pea afetado pelos seguintes fatores:

a) material usado;
b) ajuste da mquina;
c) habilidade do operador.

Se cada partida do material dura 15 dias e a mquina ajustada toda manh, cada
amostra deve ser tomada;:
a) Em um mesmo dia;
b) da produo de um mesmo operador.

A variao dos dimetros das peas dentro de cada amostra aleatria porque no
pode ser explicada por nenhuma das causas de variao identificadas (material usado,
ajuste da mquina e habilidade do operador). J a variao dos dimetros das peas
de diferentes amostras deve ser explicada por um ou mais desses fatores.
A amplitude mede a variao dentro de cada amostra. Ento, o grfico de controle R
monitora a variao dentro de amostras, que a variao em um dado momento. O

50

grfico de controle x-barra monitora a variao entre amostras, que a variao do


processo ao longo do tempo.
Para controlar um processo com uso de grficos, preciso maximizar a probabilidade
de ocorrer variao entre amostras (variao ao longo do tempo) e minimizar a
probabilidade de acorrer variao dentro de amostras (variao em um dado
momento). As amostras obtidas com esses critrios so chamadas de subgrupos
racionais.

GR FICOS D E CONTROLE PAR A V AR IVE IS


GRFICO DA MDIA E AMPLITUDE (x-barra e R)

Fundamentos
Para a mdia amostral tm-se os seguintes limites de controle:

( x ) 3. ( x )
Como no se conhece a mdia

amostras, ou seja,

LSC x =

LM x =

LIC x =

+ 3.

- 3.

e, no lugar de (x) ser empregada a mdia das amplitudes:

d2 n

R
d2 n

(x ) , ser ento utilizada a mdia das mdias das

x + A2 R

- A2 R

Obs.: A2 e d2 encontram-se tabulados no anexo


Analogamente tm-se para a amplitude amostral os seguintes limites de controle:
(R) + 3.(R)
ou ainda,
LSCR = (d2 + 3.d3).
LMR =

R
= D4 R
d2

LICR = (d2 - 3.d3).

R
= D3 R
d2

Obs.:
51

1) D3 e D4 encontram-se tabulados no anexo


2) Para tamanhos de amostra menores que 7, no existe o fator D3.

GRFICO DA MDIA E AMPLITUDE (x-barra e R) - Exemplo Na fabricao de misturas de ps, uma caracterstica importante sua umidade, j que
ela tem papel fundamental na qualidade do produto. Sua especificao de 10% +
0,5%. Decidiu-se acompanhar a fabricao de 20 (vinte) lotes consecutivos e monitorar
a umidade mediante a retirada de amostras.
Lote

Valores

x - barra

10,69

10,80

10,39

10,627

0,41

10,20

10,30

10,72

10,407

0,52

10,42

10,61

10,54

10,523

0,19

10,98

10,27

10,50

10,583

0,71

10,61

10,52

10,67

10,600

0,15

10,57

10,46

10,50

10,510

0,11

10,44

- 10,29

9,86

10,197

0,58

10,20

10,29

10,41

10,300

0,21

10,46

10,76

10,74

10,653

0,30

10

10,11

10,33

10,98

10,473

0,87

11

10,29

10,57

10,65

10,503

0,36

12

10,83

11,00

10,65

10,827

0,35

13

10,35

10,07

10,48

10,300

0,41

14

10,69

10,54

10,61

10,613

0,15

15

10,44

10,44

10,57

10,483

0,13

16

10,63

9,86

10,54

10,343

0,77

17

10,54

10,82

10,48

10,613

0,34

18

10,50

10,61

10,54

10,550

0,11

19

10,29

10,79

10,74

10,607

0,50

20

10,57

10,44

10,52

10,510

0,13

210,222

7,30

Total

52

Clculo das estatsticas bsicas

R
R=

210,222
= 10,511
20

7,30
= 0,365
20

Clculo dos limites de controle


Para o grfico da amplitude (R)
LSCR = D4

R = 2,574 x 0,365 = 0,940

R = 0,365

LMR =

LICR = D3 R = nenhum

Para o grfico da mdia (x-barra)

LSC x =

x + A2 R

= 10,511 +1,023 x 0,365 = 10,855

LM x =

= 10,511

LIC x =

- A2 R = 10,511 -1,023 x 0,365 = 10,138

11,0
10,9

1 0 ,8 8 5

10,8
10,7

M dias

10,6
10,5
10,4

1 0 ,5 1 1

10,3
10,2
1 0 ,1 3 8

10,1
10,0
1

Am plitude s

9 10 11 12 13 14 15 16 17 18 19 20

1,1
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0

0 ,9 4 0

0 ,3 6 5

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

Am ostras

53

GRFICO DA MDIA E DESVIO-PADRO (x-barra e s)

Fundamentos
Estes grficos so similares aos grficos x-barra e R. So aplicados quando so
adotadas amostras de tamanhos maiores (n>10)
LSC x =

LM x =

LIC x =

+ 3.

- 3.

c4 n

s
c4 n

x + A3 s

x - A3 s

Obs.: A3 e c 4 encontram-se tabulados no anexo


Para o desvio-padro, seus limites de controle so:
(s) + 3.(s), ou ainda,
LSCs = (c4 + 3.c5).

s
= B4. s
c4

LMs = s
LICs = (c4 - 3.c5).

s
= B3. s
c4

Exerccio: Recalcular as estatsticas do exemplo anterior e comparar os resultados.

GRFICO DO VALOR INDIVIDUAL E AMPLITUDE MVEL (X e Rm)

Fundamentos
Utilizado quando somente valores individuais estiverem disponveis. A amplitude
mvel (Rm) definida como sendo a diferena (em mdulo) entre m valores
individuais consecutivos. Os limites de controle destes grficos so:

LSCx = x + E2. R m
LMx = x
LICx = x - E2. R m

e
54

LSCRm = D4. R m
LMRm = R m
LICRm = D3. R m
Obs.: Os valores de E2 encontram-se tabulados no anexo
Exemplo:
No refino de petrleo, amostras so retiradas a cada duas horas, na linha de
bombeamento, e nestas determinado o seu teor de parafina. Os dados obtidos ao
longo de diversos dias so apresentados na tabela a seguir.
Amostra

Valor

Rm

22,7

20,7

2,0

21,2

0,5

19,7

1,5

18,7

1,0

24,2

5,5

26,8

2,6

18,9

7,9

24,5

5,6

10

24,9

0,4

11

19,2

5,7

12

16,8

2,4

13

23,0

6,2

14

19,8

3,2

15

18,8

1,0

16

19,1

0,3

17

22,6

3,5

18

20,9

1,7

19

17,4

3,5

20

25,6

8,2

21

22,0

3,6

22

21,8

0,2

23

23,2

1,4

24

23,5

0,3

25

26,0

2,5

Total

542,0

70,7

55

Clculo das estatsticas bsicas

x=

x
k

542,0
= 21,68
25

Rm =

Clculo dos limites de controle

Para o grfico Rm

Rm
k 1

70,7
= 2,95
24

LSCRm = D4. R m = 3,267 x 2,95 = 9,64


LMRm = R m = 2,95
LICRm = D3. R m = nenhum

Para o grfico x

LSCx = x + E2. R m = 21,68 + 2,660 x 2,95 = 29,527


LMx = x = 21,68

Valore s Individuais

LICx = x - E2. R m = 21,68 - 2,660 x 2,95 = 13,833

32
30
28
26

2 9,5 2 7

24
22
20
18
16
14
12

2 1,68

13 ,8 3 3

11

13

15

17

19

21

23

25

10
9 ,6 4

Am plitude s M veis

9
8
7
6
5
4
3

2 ,9 5

2
1
0
1

11

13

15

17

19

21

23

Amostras

Avaliao da estabilidade do processo


Analisando-se inicialmente o grfico Rm, verifica-se que no h causas especiais
de variao atuando na disperso (variabilidade) do processo, j que no h pontos
fora dos limites de controle e estes se distribuem aleatoriamente (ao acaso) em
torno da linha mdia.
56

GRFICO DA MDIA E AMPLITUDE MVEIS (Xm-barra e Rm)

Fundamentos
Extenso do grfico para valores individuais. A vantagem deste tipo de grfico com
relao aos valores individuais que as mdias so mais sensveis presena de
causas especiais.
As mdias so calculadas similarmente ao que foi feito com as amplitudes mveis:

x mi

xi xi 1
2

i= 1, 2, 3, ......, k -1

As frmulas para clculo dos limites de controle so:


LSC x m =

x m+ A2. R m

LM x m =

xm

LIC x m =

x m - A2. R m

e
LSCRm = D4. R m
LMRm = R m
LICRm = D3. R m
Exerccio: Recalcular os limites de controle utilizando os mesmos dados do
exemplo anterior.

57

Amostra

Valor

Xm - barra

Rm

22,7

20,7

21,70

2,0

21,2

20,95

0,5

19,7

20,45

1,5

18,7

19,20

1,0

24,2

21,45

5,5

26,8

25,50

2,6

18,9

22,85

7,9

24,5

21,70

5,6

10

24,9

24,70

0,4

11

19,2

22,05

5,7

12

16,8

18,00

2,4

13

23,0

19,90

6,2

14

19,8

21,40

3,2

15

18,8

19,30

1,0

16

19,1

18,95

0,3

17

22,6

20,85

3,5

18

20,9

21,75

1,7

19

17,4

19,15

3,5

20

25,6

21,50

8,2

21

22,0

23,80

3,6

22

21,8

21,90

0,2

23

23,2

22,50

1,4

24

23,5

23,35

0,3

25

26,0

24,75

2,5

Total

542,0

517,65

70,7

58

Resultado das estatsticas bsicas

x = 21,57

R m = 2,95

Resultado dos limites de controle

Para o grfico Rm
LSCRm = 9,64
LMRm = 2,95
LICRm = nenhum

Para o grfico xm-barra

LSC x m = 27,116
LM x m = 21,57

Mdias Mveis

LIC x m = 16,024

29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14

27 ,116

21 ,57

16 ,024

10

13

16

19

22

25

Am ostras

Avaliao da estabilidade do processo


O grfico de controle para mdias mveis mostra os pontos dentro dos limites de
controle e tambm deve ser considerado estvel.

59

GRFICO POR BATELADAS

Fundamentos
Quando um determinado processo produz materiais em bateladas (ou lotes),
comum, em termos de variao, que cada batelada seja bastante homognea
havendo, porm, diferenas razoveis entre bateladas.
Significa que diferentes amostras retiradas de uma mesma batelada apresentam
pequena variao, mas quando se comparam as mdias das bateladas, percebese que so completamente distintas.
A conseqncia disto que se construdos grficos do tipo mdia e amplitude
(x-barra e R), enquanto o grfico R se mostrar estvel, o mesmo no acontecendo
com o grfico x-barra.

Observao: diferenas entre bateladas devem ser entendidas como sendo parte
do comportamento do processo e, portanto, devem ser incorporadas no grfico de
controle empregado.

O grfico por bateladas uma mistura de grfico x-barra e R com x e Rm


As frmulas para clculo dos limites de controle so:

LSC x =
LM x =

LIC x =

+ E2. R m

- E2. R m

e
LSCRm = D4. R m
LMRm = R m
LICRm = D3. R m

60

Exemplo: Na fabricao de certo tipo de medicamento, emprega-se um misturador


do tipo duplo-cone. O material resultante um p e so geradas cerca de 10
bateladas por dia. Os dados na tabela abaixo mostram os resultados quanto ao teor
ativo. Sabe-se de longa data que existem diferenas acentuadas entre lotes.

Amostra

Valores

x - barra

Rm

6,915

6,910

6,9125

6,855

6,840

6,8475

0,0650

6,860

6,855

6,8575

0,0100

6,890

6,880

6,8850

0,0275

6,870

6,880

6,8750

0,0100

6,925

6,920

6,9225

0,0475

6,850

6,900

6,8750

0,0475

6,900

6,900

6,9000

0,0250

6,880

6,890

6,8850

0,0150

10

6,900

6,905

6,9025

0,0175

11

6,865

6,880

6,8725

0,0300

12

6,910

6,920

6,9150

0,0425

13

6,920

6,900

6,9100

0,0050

14

6,880

6,875

6, 8775

0,0325

15

6,890

6,895

6,8925

0,0150

103,3300

0,3900

Total

Clculo das estatsticas bsicas


x

x 103,33 6,8887
k

15

Clculo dos limites de controle

Para o grfico Rm

Rm

Rm 0,390 0,0279
k 1

14

LSCRm = D4 R m = 3,267 x 0,0279 = 0,0911


LMRm = R m = 0,0279
LICRm = D3 R m = nenhum

61

Para o grfico x-barra


LSC x = x + E2 R m = 6,8887 + 2,660 x 0,279 = 6,9629
LM x = x = 6,8887
LIC x = x - E2 R m = 6,8887 - 2,660 x 0,279 = 6,8145

6,98
6 ,9 6 2 9

6,96
6,94

Mdias

6,92
6,9

6 ,8 8 8 7

6,88
6,86
6,84
6,82

6 ,8 1 4 5

6,8
6,78
1

Amplitudes Mveis

0,11
0,1
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0

10

11

12

13

14

15

0 ,0 9 1 1

0 ,0 2 7 9

0 ,0 0 0 0

Am ostras

Avaliao da estabilidade do processo


Analisando-se inicialmente o grfico Rm, percebe-se que este estvel. O
grfico de controle para valores individuais tambm mostra uma distribuio
aleatria (ao acaso) dos pontos em torno da linha mdia e tambm deve ser
considerado estatisticamente estvel.

62

GRFICO POR GRUPOS

Fundamentos
H situaes, na prtica, em que existem vrios fluxos de produtos na produo, ou
ainda, onde o mesmo produto fabricado simultaneamente em diferentes conjuntos
de equipamentos.
Exemplos: mquinas com mltiplos cabeotes (enchimento de vasilhames), linhas
de processamento de mquinas dispostas em paralelo, etc..
Um dos princpios bsicos da formao de subgrupos recomenda que no se deve
misturar produtos provenientes de diferentes fontes (fluxos), j que eventuais
diferenas entre estes acusaro causas especiais no grfico de controle, devido ao
problema da estratificao.
Em lugar de se elaborar um grfico para cada fluxo, o grfico de controle por grupos
uma alternativa pois permite o controle de mltiplos fluxos atravs de um nico
grfico.
As frmulas de clculo so idnticas as dos grficos da mdia e amplitude (x-barra
e R). Entretanto os dados so agrupados de modo diferente ao que se adota
convencionalmente.

Exemplo:
Em uma empresa, as peas so sinterizadas em fornos contnuos. A cada turno
retirada uma amostra de 6 peas do forno (duas fileiras com trs peas cada uma),
que so medidas quanto a sua dureza. Como o forno possui resistncias eltricas
em somente um lado, desconfia-se que possa haver diferenas entre peas
processadas na lateral esquerda, lateral direita e parte central da esteira
transportadora.

63

Tabela 1: Dureza de peas sinterizadas.

Amostra

Fila

Turno

Esquerdo

Centro

Direito

115

110

107

116

113

108

113

109

107

118

110

111

114

109

108

114

110

110

114

110

107

115

110

109

112

108

105

113

107

106

114

107

106

115

111

104

112

106

104

112

106

105

113

109

110

115

108

108

115

111

109

116

113

109

113

107

104

113

108

105

113

110

108

116

108

107

116

113

113

118

108

110

B
2

B
3

B
4

B
5

B
6

B
7

B
8

B
9

B
10

B
11

B
12

A
B

64

Clculo das estatsticas bsicas


Na tabela 2, os dados foram rearranjados de modo a permitir o clculo das
mdias e amplitudes de cada amostra. Percebe-se que cada amplitude
calculada deste modo reflete a variao entre duas peas consecutivas no forno
(filas A e B), enquanto que cada mdia representa diferenas entre posies do
forno (lado esquerdo, centro e direito). A cada conjunto de valores obtidos (6 no
total) em dado turno, d-se o nome de grupo.
As estatsticas bsicas, para os dados agrupados dessa nova maneira, ficam:

x 3972,5 110,35
k

36

Clculo dos limites de controle

Para o grfico R

R 58 1,61
k

36

LSCR = D4 R = 3,267 x 1,61 = 5,26


LMR = R = 1,61
LICR = D3 R = nenhum

Para o grfico x-barra


LSC x = x + A2 R = 110,35 + 1,880 x 1,61 = 113,38
LM x = x = 110,35
LIC x = x - A2 R = 110,35 - 1,880 x 1,61 = 107,32

Construo do grfico
Os grficos so similares aos da mdia e amplitude; contudo no grfico R
somente se coloca a maior amplitude de cada grupo e, no grfico x-barra,
so marcadas as maiores e menores mdias de cada grupo.

65

Tabela 2: Dados em Grupos


Legenda: E = esquerda; C = centro; D = direita
Grupo

Amostra

Posio

Fila A

Fila B

x-barra

115

116

115,5

110

113

111,5

107

108

107,5

113

118

115,5

109

110

109,5

107

111

109,0

114

114

114,0

109

110

109,5

108

110

109,0

10

114

115

114,5

11

110

110

110,0

12

107

109

108,0

13

112

113

112,5

14

108

107

107,5

15

105

106

105,5

16

114

115

114,5

17

107

111

109,0

18

106

104

105,0

19

112

112

112,0

20

106

106

106,0

21

104

105

104,5

22

113

115

114,0

23

109

108

108,5

24

110

108

109,0

25

115

116

115,5

26

111

113

112,0

27

109

109

109,0

28

113

113

113,0

29

107

108

107,5

30

104

105

104,5

31

113

116

114,5

32

110

108

109,0

33

108

107

107,5

34

116

118

117,0

35

113

108

110,5

36

113

110

111,5

3972,5

58

10

11

12

Total

66

Mdias

Grfico por Grupos

118
117
116
115
114
113
112
111
110
109
108
107
106
105
104
103
102

1 1 3 ,3 8
1 1 0 ,3 5

1 0 7 ,3 2

Amplitudes

10

11

12

6,0
5,5
5,0
4,5
4,0
3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0

5 ,2 6

1 ,6 1

10

11

12

Grupos

Anlise interpretao da estabilidade estatstica


Embora o grfico R seja estvel, o x-barra apresenta vrios pontos fora dos
limites de controle, evidenciando que o processo no estvel e, portanto, que
existem diferenas estatisticamente significativas entre um lado e outro do forno.

67

GRFICO 3-D

Fundamentos
Num grfico convencional para variveis, os valores de R-barra, s-barra ou Rm barra determinam a distncia em que os limites de controle ficam com relao
linha mdia no grfico x-barra. Ou seja, a variao dentro da amostra determina o
quanto de diferena pode existir na variao entre amostras, antes que esta seja
considerada estatisticamente significativa.
Contudo, h situaes em que a variao dentro da amostra no serve de boa base
para o estabelecimento dos limites de controle de x-barra. Casos onde isto ocorre
so:

Na fabricao de lotes em bateladas, em que as diferenas entre lotes so


acentuadas em virtude da variao inerente s matrias-primas e no h
possibilidade de reduzi-la;

Na fabricao de produtos contnuos (trefilao, extruso, laminao, etc.) onde a


variao transversal mquina no uma base adequada para estabelecer a faixa
de variao longitudinal mquina, em virtude de suas naturezas totalmente
opostas.

Os grficos de controle 3-D so, na verdade, uma combinao dos grficos x-barra e R
com o grfico x-Rm, de forma que possibilitam o controle de mais de dois tipos de
variao simultaneamente.

O grfico R ir monitorar a variao dentro da amostra. Consequentemente as frmulas


para clculo dos limites de controle so:
LSCR = D4. R
LMR = R
LICR = D3. R
O grfico Rm, por sua vez, servir de base para estabelecer a distncia dos
limites de controle linha mdia, no grfico x-barra. Portanto,
,LSCRm = D4. R m
LMRm = R m
LICRm = D3. R m
68

Finalmente, o grfico x-barra ser calculado atravs das frmulas:


LSCx =

LMx =

LICx =

+ E2. R m

- E2. R m

Exemplo:
Na fabricao de papel, retira-se uma tira ao final de cada bobina. Nesta tira so
cortados transversalmente cinco espcimens que tm a sua gramatura determinada. A
tabela a seguir, mostra os resultados de um acompanhamento feito em vinte bobinas
Bobina
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Total

A
69,7
70,7
69,2
70,9
69,2
69,7
67,9
71,4
68,3
69,8
69,1
70,5
70,4
68,7
70,7
69,8
70,7
70,4
70,2
68,5

B
69,4
70,2
70,6
70,8
71,0
69,9
69,0
68,6
70,1
69,0
69,6
71,5
70,1
69,9
68,1
70,1
70,5
70,6
69,6
70,8

VALORES
C
68,7
70,1
70,5
69,7
70,5
71,0
70,1
69,4
70,2
69,2
71,0
69,1
71,1
69,8
69,9
69,3
70,8
70,9
69,7
69,7

D
70,6
71,7
68,5
68,6
70,2
69,4
68,5
70,7
69,7
69,1
70,8
70,3
70,8
70,3
70,2
69,5
69,3
69,8
69,4
71,8

E
70,3
70,6
69,7
70,0
69,9
69,3
69,2
70,3
69,9
71,1
69,9
69,8
69,6
70,3
70,8
71,2
70,1
69,1
70,7
69,2

x-barra

Rm

69,74
70,66
69,70
70,00
70,16
69,86
68,94
70,08
69,64
69,64
70,08
70,24
70,48
69,80
69,94
69,98
70,28
70,16
69,92
70,00
1399,30

1,9
1,6
2,1
2,3
1,8
1,7
2,2
2,8
1,9
2,1
1,9
2,4
1,7
1,6
2,7
1,9
1,5
1,8
1,3
3,3
40,5

0,92
0,96
0,30
0,16
0,30
0,92
1,14
0,44
0,00
0,44
0,16
0,24
0,68
0,14
0,04
0,30
0,12
0,24
0,08
7,58

69

Clculo das estatsticas bsicas


As mdias, amplitudes e amplitudes mveis j esto calculadas na tabela. Temse ainda que:

1.399,30
= 69,965
20

R=

R
k

40,5
= 2,03
20

Rm 7,58 0,40
k 1

19

Clculo dos limites de controle

para o grfico R
LSCR = D4. R = 2,114 x 2,03 = 4,29
LMR = R = 2,03
LICR = D4. R = nenhum

para o grfico Rm

,LSCRm = D4. R m = 3,267 x 0,40 = 1,31


LMRm = R m = 0,40
LICRm = D3. R m = nenhum

para o grfico x

LSCx =

+ E2. R m = 69,97 + 2,660 x 0,40 = 71,03

LMx =

x = 69,97

LICx =

- E2. R m = 69,97 - 2,660 x 0,40 = 68,91

anlise e interpretao dos grficos


Pela anlise dos grficos de controle, pode-se perceber que o processo estvel
(no h presenas de causas especiais de variao atuando)

70

Mdias

71,4
71,2
71,0
70,8
70,6
70,4
70,2
70,0
69,8
69,6
69,4
69,2
69,0
68,8
68,6

4 ,2 9

2 ,0 3
1 2

4 5

6 7

8 9 10 11 12 13 14 15 16 17 18 19 20

Am otras

Am plitudes m veis

1,6
1,4
1,2

4 ,2 9

1,0
0,8
0,6
0,4
2 ,0 3

0,2
0,0
1

9 10 11 12 13 14 15 16 17 18 19

Am otras

5,0
4,5
4 ,2 9

Am plitudes

4,0
3,5
3,0
2,5

2 ,0 3

2,0
1,5
1,0
0,5
1

4 5

9 10 11 12 13 14 15 16 17 18 19 20

Am otras

71

FLUXOGRAMA PARA SELEO DE GRFICO PARA VARIVEIS

n < 10

x-barra
eR

n > 10

x-barra
e s

n>1

Varivel

xmbarra
e Rm

n=1
x e Rm

72

GRFICOS DE CONTROLE PAR A ATR IB UTOS


GRFICO DA FRAO DEFEITUOSA (p)

Fundamentos
A frao defeituosa da amostra definida como sendo a razo entre o nmero de
defeituosos encontrados na amostra (d) e o tamanho da amostra (n):

p=

d
n

Distribuio de probabilidade: Binomial

Quando: n.

> 5 e n.(1-

p)>5

com

p = di

pode-se utilizar a

distribuio normal (aproximao da binomial pela normal):

( p) 3. ( p)
Como no so conhecidos (p) e (p), ento estes so estimados a partir dos
dados das amostras, passando a ser:

LSCp =

LMp =

LICp =

+ 3.

- 3.

p (1 p )
n

p (1 p )
n

73

Exemplo:
Numa indstria farmacutica, diariamente so obtidas amostras de produtos
acabados que so examinados quanto a erros de embalagem (falta de bula, falta de
cdigo de lote, falta de prazo de validade, falta de rtulo, manchas de impresso,
etc.).

Coleta de amostras e formao de subgrupo


Cada amostra deve representar adequadamente um dia de produo e, portanto,
deve ser obtida ao longo de todo o perodo. Cada frasco classificado em bom ou
ruim (com ou sem erros).
Amostras iniciais
Como no havia idia de qual a proporo defeituosa mdia deste processo, optouse por tomar amostras de 200 itens, ao longo de 15 dias.

Tabela: Processo de embalagem de frascos


Dia

Verificados

Com erros

200

22

0,110

200

25

0,125

200

17

0,085

200

18

0,090

200

37

0,185

200

29

0,145

200

21

0,105

200

17

0,085

200

20

0,100

10

200

25

0,125

11

200

0,040

12

200

24

0,120

13

200

29

0,145

14

200

18

0,090

15

200

22

0,110

Total

3000

333

74

Clculo dos limites de controle

LSCp =

p (1 p )
0,111(1 0,111)
= 0,111 + 3.
= 0,1776
n
200

+ 3.

LMp =

p = 0,111

LICp =

p (1 p )
0,111(1 0,111)
= 0,111 - 3.
= 0,0444
n
200

- 3.

0,20
0,18

0,1776

0,16
0,14
PROPORO

0,12
0,111
0,10
0,08
0,06
0,0444

0,04
0,02
0,00
1

10

11

12

13

14

15

DIAS

Anlise e interpretao do grfico


Pode-se verificar que h duas causas especiais de variao atuando no
processo: uma no dia 5 e outra, no dia 11.

75

GRFICO DA FRAO DEFEITUOSA (p), COM AMOSTRAS DE TAMANHO


VARIVEL

Fundamentos
Se o nmero de itens inspecionados (tamanho do grupo) variar somente de forma
menos pondervel (no mais que 20%), os limites podero ser calculados com base
no nmero mdio de itens inspecionados. Se existir variao maior, limites de
controle tero de ser calculados para cada tamanho de grupo, j que os mesmos
so funo do tamanho do grupo.
Considere o seguinte exemplo, que fornece os dados de um processo de produo:
Tabela: Tamanho da amostra e nmero de itens no-conformes

Nmero de
inspecionados,

Nmero de noconformes,

Nmero de
inspecionados,

Nmero de noconformes

d (=np)

d (=np)

42

11

66

55

12

57

60

13

48

71

14

62

53

15

59

49

16

40

61

17

46

93

18

66

50

19

72

10

65

20

70

= 1285

d = 66

Dia

Dia

76

p=

LSCp =
LMp =

LICp =

d
n
+ 3.

- 3.

logo, p

d
n

, ou seja,

p=

66
= 0,051
1285

p (1 p )
n

p (1 p )
n

Tabela: Clculo de fraes defeituosas


Dia

0,024

3.

p (1 p )
n

LSCp

LICp

0,102

0,153

0,055

0,090

0,141

0,017

0,086

0,137

0,028

0,079

0,130

0,038

0,091

0,142

0,183

0,095

0,146

0,000

0,085

0,136

0,022

0,069

0,120

0,100

0,094

0,145

10

0,138

0,082

0,133

11

0,075

0,082

0,133

12

0,018

0,088

0,139

13

0,063

0,096

0,147

14

0,081

0,084

0,135

15

0,017

0,086

0,137

16

0,075

0,105

0,156

17

0,087

0,098

0,149

18

0,076

0,082

0,133

19

0,014

0,078

0,129

20

0,057

0,079

0,130

77

Grfico de controle da frao defeituosa com limites variveis

Pode-se observar na tabela acima que as fraes defeituosas para os dias 6 e 10 esto
acima dos limites superiores de controle. Nesses casos, o processo precisa ser
investigado com relao a causas especiais de variao. Se puder ser encontrada uma
explicao, os dados desses dois dias podero ser eliminados,

poder ser

recalculado e um novo conjunto de limites para controlar a qualidade de itens


subseqentes poder ser definido.

78

Clculo da frao defeituosa com valores estabilizados

Tabela:
Dia

sp

p p

p p

0,024

0,034

-0,027

-0,79

0,055

0,030

-0,004

+0,13

0,017

0,029

-0,034

-1,17

0,028

0,026

-0,023

-0,88

0,038

0,030

-0,013

-0,43

0,183

0,032

+0,132

+4,13

0,000

0,028

-0,051

-1,82

0,022

0,023

-0,029

-1,26

0,100

0,031

+0,049

+1,58

10

0,138

0,027

+0,087

+3,22

11

0,075

0,027

+0,024

+0,83

12

0,018

0,029

-0,033

-0,14

13

0,063

0,032

+0,012

+0,37

14

0,081

0,028

+0,030

+1,07

15

0,017

0,029

-0,034

-1,17

16

0,075

0,035

+0,024

+0,69

17

0,087

0,033

+0,036

+1,09

18

0,076

0,027

+0,025

+0,93

19

0,014

0,026

-0,037

-1,42

20

0,057

0,026

+0,006

+0,23

79

Grfico de controle da frao defeituosa padronizada

80

GRFICO DO NMERO DE DEFEITUOSOS (np)

Fundamentos
Este grfico similar ao anterior, com a diferena de que se deseja marcar o
nmero de defeituosos encontrados na amostra.
Seus limites de controle so:

LSCnp = n.
LMnp = n.
LICnp =

+ 3.

n. p.(1 p )

- 3.

n. p.(1 p )

GRFICO DO NMERO DE DEFEITOS (C)

Fundamentos
Distribuio de probabilidade: Poisson

Quando:

c >5

com

c = ci
k

, onde k = quantidade total de amostras pode-se

utilizar a distribuio normal (aproximao da Poisson pela normal):

(c) 3. (c)
Como (c) e (c) so desconhecidos, resulta:
LSCc =

c
LICc = c

+ 3. c

LMc =

- 3. c

Exemplo:
Na fabricao de celulose microcristalina em p, de cada lote produzido extrada
uma amostra de 30 gramas e contado o nmero de pontos pretos nesta existentes.
A tabela a seguir mostra os resultados do acompanhamento de 30 lotes deste
produto.
81

Coleta de amostras e formao de subgrupos


Por se tratar de contagem de pontos pretos, em amostras de tamanho constante
(30 gramas), pode-se empregar o grfico c.

Tabela: Pontos pretos

Lote

Pontos

Lote

Pontos

16

16

12

17

15

56

18

14

19

23

10

20

21

12

21

36

22

20

10

23

21

28

24

35

10

20

25

31

11

10

26

28

12

27

10

13

12

28

14

35

29

12

15

20

30

10

Clculo das estatsticas bsicas

c = ci
k

555
= 18,5
30

Clculo dos limites de controle

LSC c =

+ 3. c = 18,5 + 3. 18,5 = 31,4

LMc =

c = 18,5

LICc =

- 3. c = 18,5 - 3. 18,5 = 5,6

82

65,00
60,00
55,00
50,00

PONTOS PRETOS

45,00
40,00
35,00
31,4

30,00
25,00
20,00

18,5

15,00
10,00
5,6

5,00
0,00
1

10

11

12

13

14

15

LOTES

Anlise e interpretao da estabilidade do processo


Diversos pontos encontram-se acima do limite superior de controle, indicando
que o processo instvel.

83

GRFICO DO NMERO DE DEFEITOS POR UNIDADE DE INSPEO (u)

Fundamentos
O nmero de defeitos por unidade de inspeo (u) definido como sendo a razo
entre o nmero de defeitos na amostra (c) e o tamanho da unidade de inspeo (n):

u=

c
n

logo,

c
n

Por unidade de inspeo se entende uma certa quantidade de itens, comprimento,


volume, tempo, etc. tomada como adequada para a finalidade de inspeo.

Os limites de controle so:


LSCu =

LMu =

LICu =

+ 3. u

- 3. u

Exemplo:
No exemplo anterior, dos pontos pretos, foi estabelecido um grfico c, pois o
tamanho da amostra era constante e igual a 30 g. Imaginemos agora, que, por
razes de economia, a empresa decidiu reduzir o tamanho da amostra para 15 g.

Pode-se dizer que se originalmente se tinha uma unidade de inspeo (UI), ento
agora h somente meia UI, ou seja, se 30 g = 1 UI 15 g = 0,5 UI

Equivalente, pode-se tambm dizer que antes n = 1 e agora n = 0,5. Logo, os novos
limites de controle (com a mudana de n) ficam:

Clculo dos limites de controle


LSCu =

+ 3.

LMu =

u = 37,0

LICu =

- 3.

u = 37,0 + 3. 37, 0 = 55,2

u = 37,0 - 3. 37, 0 = 18,8


84

TAMANHOS MNIMOS DE AMOSTRAS


Quando se trabalha com atributos, necessrio garantir que as amostras
tenham tamanhos mnimos para que haja oportunidade do aparecimento dos
problemas. Amostras muito pequenas fazem com os grficos de controle se tornem
totalmente ineficazes (ver exemplo abaixo)

Grficos por Classificao (p ou np)


Para estes grficos serem eficazes, deve-se ter:
n. p > 5

n.(1 - p ) > 5

Grficos por Contagem (c ou u)


Para estes grficos serem eficazes, deve-se ter c > 5

0,40

0,35

0,30

0,25

0,20

0,15

0,10

0,05

0,00
1

10

AMOSTRAS

85

FLUXOGRAMA PARA SELEO DE GRFICO PARA ATRIBUTOS

n
Classificao

p ou np

Constante

n
p
Varivel
ATRIBUTO

c ou u

Constante
Contagem

Varivel

86

INT ERPRET A O D A EST AB IL ID ADE DO PROCESSO


PROCESSO ESTATISTICAMENTE ESTVEL

Os pontos nos grficos de controle devem distribuir-se aleatoriamente em torno


da linha mdia, sem que padres do tipo:

a) tendncias crescentes ou decrescentes;


b) ciclos;
c) estratificaes ou misturas;
d) pontos fora dos limites de controle
- Alguns exemplos de causas especiais -

87

TESTES DE NO-ALEATORIEDADE

Teste
1. Ponto fora dos limites de
controle

Critrio

2. Presena de ciclos ou
tendncias
3. Estratificao ou falta de
variabilidade

4. Seqncia de pontos prximos


dos limites de controle
5. Seqncia de pontos do
mesmo lado da linha mdia

Um nico ponto acima do LSC ou abaixo


do LIC
Seis pontos consecutivos aumentando ou
diminuindo
Pontos oscilando para cima e para baixo,
formando ciclos
Quinze pontos consecutivos na zona C
Quatorze pontos consecutivos se
alternando para cima e para baixo
Oito pontos consecutivos fora da zona A
Dois em trs pontos consecutivos na zona
A
Quatro em cinco pontos consecutivos fora
da zona C
Nove pontos consecutivos do mesmo lado
da linha mdia

88

PROCESSO FORA DE CONTROLE

89

ANLISE DA CONDIO FORA-DE-CONTROLE


1. TROCA OU SALTO NO NVEL

GRFICO DA MDIA:
OPERADOR NOVO OU INEFICIENTE;
MATERIAIS DIFERENTES;
MUDANA NO PROCESSO.
GRFICO DA AMPLITUDE:
OPERADOR INEXPERIENTE;
GRANDE VARIAO NO MATERIAL.

2.TENDNCIA OU TROCA DO ESTADO NO NVEL

GRFICO DA MDIA:
DETERIORAO GRADUAL DO EQUIPAMENTO;
MUDANA DE TEMPERATURA OU UMIDADE.
GRFICO DA AMPLITUDE:
MAIOR DEDICAO DO OPERADOR;
MELHOR HOMOGENEIDADE DO MATERIAL.
90

3.CICLOS RECORRENTES

GRFICO DA MDIA:

EFEITOS SAZONAIS;
EVENTOS PERIDICOS.
GRFICO DA AMPLITUDE:
FADIGA DO OPERADOR;
CICLO DE MANUTENO

4.DUAS POPULAES

GRFICO DA MDIA:
DIFERENTES MQUINAS, OPERADORES, PROCESSOS OU MATERIAIS.
GRFICO DA AMPLITUDE:
MATERIAIS DE FORNECEDORES DIFERENTES.
91

ANLISE DA CONDIO FORA-DE-CONTROLE


- ERROS -

Equipamentos de medio mal calibrados;


Erros em clculos;
Erros no uso de equipamentos de teste;
Extrao de amostras de diferentes populaes

AUTOCORRELAO

O que ?
A autocorrelao nada mais do que um mecanismo existente no processo, que
faz com que os dados no sejam mais independentes entre si ao longo do tempo.
Identificao da autocorrelao
Para se medir o grau e a intensidade da autocorrelao existente entre dados,
usualmente utiliza-se o coeficiente de autocorrelao, definido como:

COV ( x t , x t L)

L = 1,2,3,......k

(x )
t

onde:

L o retardo (do ingles, lag) existente entre os dados no clculo de

COV (xt , xt-L ) a covarincia


2
(xt) a varincia populacional

k a quantidade total de amostras

Na prtica,

estimado pelo coeficiente de auto correlao amostral, chamado de

e calculado atravs de:

( x x )( x x )
( xi x )
i

iL

L= 1,2,3,.........k

92

Os valores de L esto sempre entre -1 e +1 (inclusive) e quanto maior o seu valor em


mdulo, maior a possibilidade de existncia de autocorrelao entre os dados.
Funo de Autocorrelao
A funo de autocorrelao (FAC) nada mais do que a representao grfica do
coeficiente de autocorrelao em funo dos diversos retardos L que podem ser
atribudos aos dados. A figura a seguir apresenta um exemplo deste tipo de funo.

No eixo horizontal so colocadas barras cuja altura igual ao valor do coeficiente de


autocorrelao, enquanto que, no eixo vertical, esto seus respectivos retardos.
Esta funo permite que se entenda melhor o comportamento da dependncia
estatstica entre os dados e, posteriormente, ser til quando da determinao de qual
srie temporal utilizar para o modelamento do processo.
Avaliao da Autocorrelao
Para se determinar se a autocorrelao significativa ou no, pode ser feito um teste
muito simples que consiste em calcular a seguinte quantidade:
2
k
onde k o nmero total de dados empregados no clculo de L .

e=

Se algum coeficiente de autocorrelao superar o valor + e, ento a autocorrelao


significativa.

93

Grficos de Controle na Presena de Autocorrelao


Quando h correlao entre dados, os limites de controle obtidos atravs das frmulas
do CEP convencional devem ser calculados de modo diferente, seno o grfico ir
apontar causas especiais indevidamente, ou seja, fornecer alarmes falsos.
Somente podem ser empregados grficos da mdia e amplitude ( x - barra e R ) ou , de
valor individual e amplitude mvel (x e Rm).
Grficos da Mdia e Amplitude
Os limites de controle para a mdia, ajustados em funo da autocorrelao,
ficam:
LSC x = x + 3. s *x

LM x = x
LIC x = x - 3. s *x

Onde

o desvio-padro das mdias calculado mediante:

xx
k 1

o prprio fator de correo c 4 , porm baseado na quantidade de amostras

(k), e no no tamanho da amostra (n).


Os limites de controle do grfico da amplitude permanecem iguais aos do caso
convencional, ou seja:
LSCR = D4. R
LMR = R
LICR = D3. R
Grficos para Valor Individual e Amplitude Mvel
Os limites de controle para valor individual, ajustados em funo da autocorrelao,
ficam:
LSCx = x + 3. s *x

LMx = x
LICx = x - 3. s *x

Onde

o desvio-padro dos valores individuais, calculado como:


94

x x

k 1

Os limites de controle do grfico da amplitude mvel no se modificam.


Avaliao da Estabilidade Estatstica do Processo
Quando o fenmeno de autocorrelao ocorre, os testes de noaleatoriedade no mais so vlidos. Somente pode-se aplicar o teste do ponto
fora dos limites de controle para avaliar a estabilidade do processo.
Exemplo
Os dados da tabela a seguir so teores de carbonato de clcio de um certo tipo de
produto, obtidos atravs de medies efetuadas em um tanque, de meia em meia hora.
Amostra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Valor
0,044
0,036
0,034
0,036
0,031
0,036
0,034
0,039
0,043
0,041
0,047
0,048
0,041
0,036
0,036
0,030
0,032
0,034
0,034
0,035

Amostra
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

Valor
0,033
0,037
0,040
0,037
0,037
0,035
0,035
0,034
0,036
0,032
0,030
0,031
0,034
0,033
0,034
0,039
0,043
0,039
0,040
0,038

Amostra
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

Valor
0,041
0,040
0,040
0,041
0,043
0,042
0,044
0,041
0,038
0,039
0,039
0,039
0,039
0,041
0,042
0,038
0,035
0,034
0,033
0,035

95

No entanto, ao se levantar a funo de autocorrelao entre amostras, verifica-se que


ela existe e, portanto, justifica em parte a existncia de tantos pontos fora dos limites
de controle.

96

Clculo dos novos limites de controle


LSCx = x + 3. s *x = 0,0375 + 3 x 0,0041 = 0,0498

LMx = x = 0,0375
LICx = x - 3. s *x = 0,0375 - 3 x 0,0041 = 0,0252

Concluso
O processo estvel. Isto demonstra que na presena de autocorrelao, os limites de
controle no podem ser calculados do modo convencional ou, ento apontaro
erroneamente causas especiais.

97

C AP AC ID AD E DO PROC ESSO
OBJETIVO
Verificar se um dado processo atende ou no s especificaes do produto.
Cuidados:
1. O processo deve ser estvel ausncia de causas especiais de variao;
2. Os valores individuais devem seguir a distribuio normal.
TESTES PARA DISTRIBUIO NORMAL

Papel de probabilidade normal (PPN)


Consiste em calcular as freqncias relativas acumuladas dos dados e
marc-los no PPN. Se os pontos ficares aproximadamente alinhados
segundo uma linha reta, pode-se admitir que a distribuio normal vlida
para representar a variabilidade do processo.
T este pa ra Distribuio Normal
Exemplo
Seja o seguinte conjunto de valores:
CLASSE
< 950
950 < x < 955
955 < x < 960
960 < x < 965
965 < x < 970
970 < x < 975
975 < x < 980
Total

%
0
5
23
36
27
8
1
100

% ACUMULADA
0
5
28
64
91
99
100

98

CAPABILIDADE DO PROCESSO E ESPECIFICAES


- Exemplos PROCESSO

f(x)
0,4

PODE SER
OUTRA
DISTRIBUIO

0,3
0,2
0,1
( + 3) - ( - 3) = 6

0,0
-4 -3 -2

+ +2 +3 +4

99,74%
ESPECIFICAO
LSE = LIMITE SUPERIOR DA ESPECIFICAO
LIE = LIMITE INFERIOR DA ESPECIFICAO

10
20
mm
inches
0

30

40

50

60

70

80

90

100 110 120

130

140 150

160

170 180

190

200

99

CASO I: 6 < LIE

LSE

LIE
CASO II: 6 = LSE - LIE

LSE

LIE
CASO III: 6 > LSE - LIE

LSE

LIE

100

CAPACIDADE DO PROCESSO
- ndices de Capacidade ndice Cp
definido como sendo a razo entre a tolerncia da especificao e a disperso
total do processo.

Cp =

LSE LIE
6.

, onde LSE e LIE so os limites superior e inferior de

especificao, respectivamente.

Como o desvio-padro do processo desconhecido, ento utiliza-se R e s com


seus fatores de correo d2 e c 4, respectivamente.

Cp =

LSE LIE
LSE LIE
=
s
R
6.
6.
c4
d2

O ndice Cp compara a variao (disperso) total permitida pela especificao


com a variao consumida pelo processo.

Cp > 1,33 indica que o processo capaz

1,00 < Cp < 1,33 indica que o processo medianamente capaz

Cp < 1,00 indica que o processo no capaz

101

ndice Cpk
Cpk avalia a distncia da mdia do processo (x- duas barras) aos limites de
especificao.
O ndice definido como sendo o menor valor entre Cpi e Cps:
Cpk = min [Cpi, Cps], com:

x LIE
x LIE
=
R
s
3.
3.

Cpi =

e
Cps =

LSE x
LSE x
=
s
R
3.
3.

Observao: O ndice Cp somente compara a variao total permitida pela


especificao. Portanto Cpk mais crtico em termos de chances
de serem produzidos itens fora da especificao. Se Cpk > 1,33
ento o processo ser capaz.
ndices Pp e Ppk
Regra geral, devem ser empregados em avaliaes preliminares, normalmente
nas etapas de obteno de amostras ou de fabricao de lote-piloto, quando h
poucos dados disponveis e no h critrio racional para formao de subgrupos.

Estes ndices so similares a Cp e Cpk, porm apresentam no denominador o


desvio-padro da amostra (s).

Pp =

LSE LIE
6.s

Ppk = min [Ppi, Pps]


com

Ppi =

x LIE
3.s

Pps =

LSE x
3.s
102

A interpretao de Pp e Ppk idntica dos ndices Cp e Cpk. Ambos devem ser


superiores a 1,00 (ou 1,33, ou at 1,67)

103

INSPEO POR AMOSTRAGEM


INTRODUO

Onde se realiza inspeo de qualidade num processo produtivo:

na recepo de matria - prima;


em diversos pontos do processo;
na verificao do produto final.

Geralmente, a inspeo feita por amostragem porque:

custo da inspeo completa muito elevado;


a inspeo completa pode originar maus resultados (!) (monotonia
no processo de inspeo)

Inspeo Destrutiva

situao em que o uso de amostragem torna-se obrigatrio.

Inspeo em Lotes

itens agrupado em lotes. As decises so tomadas em relao aos


lotes e no aos itens individuais.
exemplo: lote com 100 lmpadas (caixa) - critrio de aceitao:
inspeo em amostra de 8 lmpadas.

104

PLANOS DE AMOSTRAGEM

Lote de N peas, com D defeituosas:


Frao defeituosa do lote

P = D/N

P o nvel de qualidade do lote, expresso em (%)

Amostra de n peas, com d defeituosas:


Frao defeituosa da amostra

p = d/n

Plano de amostragem:
Consiste em obter uma regra de ao que, aplicada a uma srie de
lotes, permite aceitar lotes de uma certa qualidade, com um risco
calculado.

105

INSPEO POR AMOSTRAGEM


TERMINOLOGIA

Nmero de aceitao (a): Nmero mximo de no-conformes (ou de noconformidades) em amostras com o fim de se aceitar um lote.
Nmero de rejeio (r): Nmero mnimo de no-conformes (ou de noconformidades) em amostras com o fim de se rejeitar um lote

Risco do produtor (P1): Probabilidade de uma partida de boa qualidade


ser rejeitada.
Risco do consumidor (P2): Probabilidade de que uma partida de m
qualidade ser aceita.

NQA: Percentagem mxima de no-conformidades que, para fins de


aceitao por amostragem, possa ser considerada como satisfatria para a
mdia do processo.
NQI: Nvel de qualidade inaceitvel, isto , de lotes de m qualidade, para
fins do consumidor.

Qualidade Mdia Resultante (QMR): Qualidade mdia percentual de noconformes do produto final, incluindo todos os lotes aceitos. Tambm inclui
lotes rejeitados que tenham sido realmente inspecionados 100% com todos
os no-conformes substitudos por itens perfeitos.
Qualidade Mdia Resultante Limite (QMRL): Valor mximo para a mdia
da percentagem no-conforme do produto final quando todos os lotes
rejeitados tiverem sido examinados e aps a substituio de noconformes encontrados (isto , valor mximo de QMR)

106

ACEITAO E REJEIO

N = tamanho do lote
n = tamanho da amostra
a = nmero de aceitao (nmero mximo de itens defeituosos
que se permite na amostra).
r = nmero de rejeio
r = a + 1

0 < a < n-1


1 <

r < n

Probabilidade de Aceitao
F (a) = probabilidade de aceitao
F (a) = P { 0 < d < a }
Probabilidade de Rejeio
P{d>a}

= 1 - F(a) = P { r < d < n }

107

DISTRIBUIES BINOMIAL,
HIPERGEOMTRICA E DE POISSON

Binomial: Descreve experimentos independentes, repetidos em condies


estveis; apenas dois resultados so possveis em cada repetio, tal com,
por exemplo, a ocorrncia de uma pea defeituosa ou de uma pea
perfeita.

Hipergeomtrica: Descreve a amostragem sem reposio, em partidas


cuja frao inicial de defeituosos seja P= D/N. O clculo dos termos da
Hipergeomtrica muito trabalhoso, mas dever ser empregado quando
tivermos partidas pequenas ( f = n/N, maior que 0,10)

Poisson: Tambm conhecida como "lei dos eventos raros", descreve a


ocorrncia de pequeno nmero de vezes sem periodicidade, em grande
nmero de repeties. Esse o caso de amostragem (com ou sem
reposio) em que f = n/N seja menor que 0,10, de partidas com baixa
frao de defeituosos, isto , com P < 10%

108

RELAES ENTRE AS DISTRIBUIES DE


PROBABILIDADE

Muitas distribuies - difcil saber quando aplicar qual.

MAIS
FCIL

POISSON

APLICAR
SEMPRE QUE
POSSVEL

HIPERGEOMTRICA
Usada para lotes finitos de tamanho N.

Aproximaes: binomial, quando n/N > 0,10;


Poisson, quando n/N < 0,10,p < 0,10 e np < 5;
Normal, quando n/N < 0,10 e a normal aproximar da
binomial.

BINOMIAL
Situaes infinitas ou quando produo estvel e assume-se
a situao infinita.

Aproximaes: Poisson, quando p < 0,10 e np < 5;


Normal, quando p em torno de 0,5 e n > 10.

109

CURVA CARACTERSTICA
DE OPERAO (CCO)

Usa-se na anlise de um plano de inspeo por


amostragem;
Indica a percentagem de lotes que se espera aceitar, para
uma dada qualidade do processo;
Permite avaliar a operao do plano de amostragem, sob
condies variadas do material produzido;
Permite ilustrar os riscos inerentes ao plano de
amostragem.

Pac
Probabilidade
de Aceitao

FORMA GERAL

p
Frao Defeituosa

110

DEFINIO E EXPLICAO DE CCO'S


Cada plano de aceitao por amostragem tem uma CCO associada, no importando
que essa curva no seja plotada aps terem sido calculados seus valores. A CCO um
meio para se definir caractersticas reais de um determinado plano de aceitao por
amostragem. Dessa forma, qualquer plano de aceitao por amostragem tem uma
CCO, apesar de existirem planos de aceitao por amostragem com CCO's
coincidentes.

DEFINIO TCNICA DE CCO'S


Uma CCO mostra, para cada valor de no-conforme possvel, p, de um dado lote
submetido a inspeo, a probabilidade Pa de que tal lote seja aceito pelo plano de
aceitao por amostragem que essa CCO representa. Obtm-se assim, um grfico com
a frao no-conforme p no eixo X e a probabilidade de aceitao Pa no eixo Y.

CCO PARA PLANO IDEAL


A figura1 mostra uma curva ideal para o caso em que se deseja aceitar todos os lotes
com 3% ou menos de no conformes e rejeitar todos os lotes com um nvel de
qualidade indicando mais que 3% de no-conformes.

Fig.1

111

CCO PARA PLANO GENRICO

A figura 2 mostra uma CCO real de comportamento que se obteria se um inspetor


fosse instrudo a coletar amostra com 150 peas em lote grande e aceitar o lote se o
mesmo no tivesse mais que quatro peas no-conformes.

NQA =

Fig. 2

NQ I

Observando essa curva (fig. 2) v-se que um lote com 3% de no-conformes tem
apenas uma chance em duas de ser aceito. Entretanto, outro lote com 3,5% de noconforme, apesar de tecnicamente ser um lote ruim, tem 39 chances em cem de ser
aceito. Essa probabilidade de 0,39 vlida se e somente se um certo lote com o nvel
da qualidade de 3,5% for inspecionado. No que diz respeito a lotes com esse nvel ruim
da qualidade, relativamente poucos lotes sero aprovados pelo produtor. Dessa forma,
somente 39% dos lotes ruins submetidos a inspeo sero aceitos. Dessa forma, um
lote com 2,5% de no-conformes, apesar de tecnicamente ser um lote bom, tem 34
chances em cem de no ser aceito.

112

NVEIS DE QUALIDADE

Nvel de Qualidade Aceitvel (P1 = NQA)


Mxima percentagem defeituosa que pode ser
considerada como boa qualidade pelo consumidor.
Nvel de Qualidade Inaceitvel (P2 = NQI)
Mnima percentagem defeituosa que indicar m
qualidade para o consumidor.

P1 < P2

Se p = frao defeituosa de um lote, tem-se:

LOTE DE
BOA
QUALIDADE

P < P1

LOTE DE
M
QUALIDADE

P > P2

113

RISCOS DO PRODUTOR E DO CONSUMIDOR

RISCO DO PRODUTOR ()
PROBABILIDADE DE REJEIO DE UM LOTE DE BOA QUALIDADE
(COM PP1).
RISCO DO CONSUMIDOR ()
PROBABILIDADE DE ACEITAO DE UM LOTE DE M QUALIDADE
(COM PP2).

Pac

1
= RISCO DO PRODUTOR
1-

= RISCO DO CONSUMIDOR

114

RELAO ENTRE OS PARMETROS CCOS

NQI
NQ I

Fig.3

A figura 3 mostra uma CCO tpica, com o nvel real da qualidade do lote no eixo vertical
e percentagem mdia (ou terica) de no-conformidade do processo no eixo horizontal.
Existem dois valores importantes a serem considerados com relao ao eixo X; o
primeiro o relacionado com NQA e o segundo, com NQI. Em relao ao eixo vertical,
existem dois valores importantes. Esses quatro valores aparecem aos pares e podem
ser bem explicados discutindo-se juntos NQA com e NQI com .

O risco do produtor () o risco que o produtor assume de ter um lote rejeitado,


mesmo que a qualidade real do lote atenda ao nvel da qualidade aceitvel (NQA). Na
Figura 3 pode-se ver que o NQA igual a 2% e "alfa" igual a 10%. Conclui-se que
pela Figura 3 que o plano que ela representa aceitaria 90% dos lotes com exatamente
2% de produtos no-conformes que fossem submetidos a inspeo. Dessa forma,
mesmo sabendo-se que foi fixado um NQA de 2%, esse plano terico ainda rejeitaria.

Pode-se observar na figura 4 que no isto que acontece para um lote com 4% de
supostos no-conformes inspecionados com esse plano; Se o tamanho do lote for igual
a 50, a probabilidade de que o lote seja aceito de 80%.

115

Fig. 4

EFEITO DE MUDANA EM TAMANHO DE LOTES.

Fig. 5
a

116

EFEITO DE ALTERAO EM TAMANHO DE AMOSTRAS.

A figura 6 mostra o efeito de alterao em tamanho de amostras, com todos os outros


fatores permanecendo constantes. medida que o tamanho da mostra aumenta.
CCOs se tornam mais inclinadas, isto , a probabilidade de aceitao se torna menor.
Isto significa simplesmente que, quanto maior o nmero de itens da amostra, maior a
possibilidade de se encontrar no-conformes acima do nmero de aceitao.

Fig. 6

Pode-se ver na figura 7, o efeito de se mudar somente o nmero de aceitao.


medita que o nmero de aceitao aumenta, a CCO se torna mais achatada, isto e, a
probabilidade de aceitao aumenta. Quanto maior o nmero de no-conformes
permitidos, maior a chance de se tomar deciso de aceitao.

A figura 8 mostra os efeitos de se variar tanto o tamanho da amostra como o nmero


de aceitao. Observe que a CCO comea a se aproximar da curva ideal quando o
nmero de aceitao mudado a partir de zero. Geralmente, esse o caso.
Entretanto, quando se fixa um nmero de aceitao maior que zero, deve-se aumentar
o tamanho da amostra para se obter valores de probabilidades de Pa que garantam
proteo adequada.

117

Fig. 7

A
B

Fig. 8

118

A figura 9 mostra a alterao no perfil de CCO's em funo de mudanas no nmero de


aceitao. medida que o nmero de aceitao diminui, a curva se torna mais
inclinada. Esse fato foi usado de forma incorreta para justificar o uso de planos com
nmeros de aceitao iguais a zero. Entretanto, CCO para N = 2000, n = 300 e c = 2,
mostrada pela linha tracejada, mais inclinada que a curva do plano com c = 0. Planos
com nmeros de aceitao maiores que zero podem, na realidade, ser melhores que
os com nmeros de aceitao zero.

Fig. 9

119

RELAO PRODUTOR / CONSUMIDOR.

Quando se usa aceitao por amostragem, verifica-se um conflito entre interesses de


consumidores e de produtores. O produtor deseja que todos os lotes sejam aceitos, e o
consumidor deseja eu todos os lotes ruins sejam rejeitados. Somente um plano ideal,
com uma CCO que seja uma linha vertical, pode satisfazer a ambos. Pode-se
conseguir uma CCO ideal, como a mostrada na figura 1, somente com amostragem
igual a 100%, e os pontos fracos desse tipo de inspeo j foram mencionados. Dessa
forma, amostragem acarreta sempre riscos de rejeio de lotes bons e de aceitao de
lotes ruins. Em virtude de seriedade desses riscos, foram padronizados diversos
termos e conceitos.
O risco do produtor, que representado por , a probabilidade de rejeio de um
lote bom. Esse risco freqentemente assumido como sendo igual a 0,05, mas pode
variar entre 0,01 e 0,10.; Como expresso em termos de probabilidade de rejeio,
ele no pode ser localizado em CCOs, a manos que seja especificado em termos de
probabilidade de aceitao. Consegue-se essa converso subtraindo-se o nmero de
rejeio de 1. Dessa forma, Pa = 1 - , e para = 0,05 Pa = 1 - 0,05 = 0,95.
A Figura 10 mostra o risco do produtor de 0,05.

NQ A

NQ I

Fig 10

120

CURVA CARACTERSTICA DE OPERAO


n = 5, a = 0, HIPERGEOMTRICA

PROBABILIDADE DE ACEITAO (Pac)


1,0

P = 10%
P = 20%
P = 30%
P = 40%

0,9
0,8

Pac = 0,58
Pac = 0,32
Pac = 0,16
Pac = 0,07

0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0%

10%

20%

30%

40%

FRAO DEFEITUOSA (P)

121

CURVAS CARACTERSTICAS DE OPERAO


n = 40, POISSON

PROBABILIDADE DE ACEITAO (Pac)


1,0

a=4
0,9
0,8
0,7

a=3

0,6

a=1

0,5

a=2
0,4
0,3

a=0

0,2
0,1
0,0
0%

1%

2%

3%

4%

5%

6%

7%

8%

9%

10%

FRAO DEFEITUOSA (P)

122

PLANOS DE AMOSTRAGEM SIMPLES

N
n
a
d

= tamanho do lote
= tamanho da amostra
= nmero de aceitao
= nmero de defeituosos na amostra

INSPECIONAR
A AMOSTRA
d<a

ACEITAR
O LOTE

d :a

d>a

REJEITAR
O LOTE

123

INSPEO RETIFICADORA

Objetivo
Tornar aceitveis os lotes rejeitados, mediante nova inspeo geralmente, inspeo completa (100%).
Vantagem
Quando o produtor e o consumidor so de uma mesma empresa
ou de empresas associadas.

Clusulas adicionais a um Plano de Amostragem Simples


Lote Aceito: substituir todas as peas defeituosas da amostra por
peas perfeitas.

Lote Rejeitado: realizar inspeo completa do restante do lote e


substituir todas as peas defeituosas DO LOTE
e DA AMOSTRA por peas perfeitas.

124

QUALIDADE MDIA RESULTANTE

= tamanho do lote

= tamanho da amostra

= frao defeituosa

Pac = probabilidade de aceitao de um lote com a frao defeituosa p


QMR = Qualidade Mdia Resultante

Pac (N - n)p
QMR =
N

Clculo Simplificado:

Se

n
< 0,10 (frao de amostragem)
N

N n
1
N

QMR Pac.p

125

QUALIDADE MDIA RESULTANTE NA CURVA


CARACTERSTICA DE OPERAO

Pac

QMR

126

QUALIDADE MDIA RESULTANTE (%)

%
QUALIDADE MDIA RESULTANTE (QMR)
6,5
6,0

a=4

5,5

a=3

5,0
4,5
4,0
3,5

a=2

3,0
2,5
2,0

a=1

1,5

a=0

1,0
0,5
0,0
0%

1%

2%

3%

4%

5%

6%

7%

8%

9% 10%

FRAO DEFEITUOSA (P)

127

QUALIDADE MDIA RESULTANTE LIMITE

Pac
QMRL

128

Quando no ocorre retificao, QMR tem o mesmo valor que a qualidade na entrada, e
essa condio representada pela linha reta na figura 11

QMRL

Fig. 11

A anlise dessa curva mostra que, quando a qualidade na entrada tem 2,0% de no
conformes, a qualidade mdia resultante de 1,46% de no-conformes, e quando a
qualidade na entrada tem 6,0% de no-conformes a qualidade mdia resultante de
0,64% de no-conformes. Dessa forma, como os lotes rejeitados so retificados, a
qualidade mdia resultante sempre melhor que a qualidade na entrada. Na realidade
existe um limite chamado de limite da qualidade mdia resultante (LQMR). Dessa
forma, para esse plano e no que diz respeito percentagem no-conforme, com
mudanas na qualidade na entrada, a qualidade mdia resultante nunca exceder o
limite de aproximadamente 1,55% de no-conformes.

A curva QMR junto com a CCO fornece ferramenta poderosa para se analisar planos
de aceitao por amostragem.

129

PLANOS DE AMOSTRAGEM DUPLA


N
n1
n2
a1
d1
a2
d2

=
=
=
=
=
=
=

tamanho do lote
tamanho da primeira amostra
tamanho da segunda amostra
nmero de aceitao da primeira amostra
nmero de defeituosos na primeira amostra
nmero de aceitao para as duas amostras
nmero de defeituosos na segunda amostra

INSPECIONAR A
1 AMOSTRA

d1 < a1

d1 : a1, a 2

d1 > a2

a1 < d1 < a2

INSPECIONAR A
2 AMOSTRA

d1 + d2 < a2

ACEITAR
O LOTE

d1 + d2 : a2

d1 + d2 > a2

REJEITAR
O LOTE

130

SISTEMAS DE AMOSTRAGEM

Mil-Std (ou ABC-STD) - baseado no NQA;


Dodge-Romig - baseado no NQI ou na QMRL;
Philips SSS (Standard Sampling System) - baseado no Ponto de
Indiferena.
Ponto de Indiferena a frao defeituosa para a qual a probabilidade de
aceitao igual de rejeio.
As normas da ABNT sobre Planos de amostragem baseiam-se na Mil-STD
e so as seguintes (de dezembro de 1977).
NBR-5425: "Guia para Inspeo por amostragem no Controle e
Certificao da Qualidade";
NBR-5426: "Planos de Amostragem e Inspeo por Atributos";
NBR-5427: "Guia para Utilizao da Norma NBR-5426 - Planos de
Amostragem e Inspeo por Atributos";
NBR-5428: "Procedimentos Estatsticos para Determinao da Validade
de Inspeo por Atributos Feita pelos Fornecedores";
NBR-5429: "Planos de Amostragem e Procedimentos na Inspeo de
Variveis;
NBR-5430: "Guia de Utilizao da Norma NBR-5429 - Planos de
amostragem e Procedimentos na Inspeo de Variveis";
NBR-6531 - "Planos de Amostragem e Procedimentos de Inspeo
Contnua por Atributos" (de 1981).
Em 1985, a ABNT editou uma "Coletnea de Normas - Planos de
Amostragem" (em dois volumes), com todas as normas citadas acima.

131

NBR-5426 - CODIFICAO DE AMOSTRAGEM

Nveis especiais de inspeo

Nveis gerais de inspeo

Tamanho do lote
S1

S2

S3

S4

II

III

15

16

25

26

50

51

90

91

150

151

280

281

500

501

1200

1201

3200

3201

10.000

10001

35.000

35001 150.000

150001 500.000

Acima de 500.001

132

PLANOS DE AMOSTRAGEM: INSPEO POR VARIVEIS

Menor tamanho da amostra;


Maior custo dos equipamentos de inspeo;
Necessidade de mo de obra especializada.

Normas: Mil -Std 414 e NBR-5429.


Estimativa da variabilidade desconhecida:
Mtodo do Desvio-Padro;
Mtodo da Amplitude.

Comparao entre os Tamanhos de Amostras:

n < ns < n R < nA


n = tamanho da amostra para conhecido;
ns = tamanho da amostra para desconhecido, mtodo do desviopadro;
n R = tamanho da amostra para desconhecido, mtodo da
amplitude;
nA = tamanho da amostra, inspeo por atributos.

133

BIBLIOGRAFIA

- RAMOS, A W., CEP para processos contnuos e em bateladas. So Paulo, Ed.


Edgard Blucher, 2000
- EPPRECHT, E. K. et alli, Controle Estatstico de Qualidade, So Paulo, Editora Atlas,
2004
- VIEIRA, Snia, Estatstica para a Qualidade, Rio de Janeiro, Editora Campus, 1999
- LOURENO FILHO, RUY DE C.B., Controle Estatstico de Qualidade, LTC, 1984
- COLETNEA DE NORMAS Planos de Amostragem. ABNT, 1985.

- KUME, HITOSHI, Mtodos Estatsticos para Melhoria da Qualidade, Editora Gente,


1993
- FAUSTINI, TARCSIO R. Controle Estatstico de Qualidade, UFES, 1992
- RAMOS, A W., CEP para pequenos lotes. So Paulo, Ed. Edgard Blucher, 1985
- MARTINS, G.A. Estatstica Geral e Aplicada, So Paulo, Editora Atlas, 2002
- CALEGARE, A.J.A. Tcnicas de garantia da qualidade. So Paulo. LTC, 1985

134

ANEXOS
Distribuio Z
Z
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
1,10
1,20
1,30
1,40
1,50
1,60
1,70
1,80
1,90
2,00
2,10
2,20
2,30
2,40
2,50
2,60
2,70
2,80
2,90
3,00
3,10
3,20
3,30
3,40
3,50
3,60
3,70
3,80
3,90
4,00

0
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
1,0000

0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
1,0000

0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9991
0,9994
0,9995
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
1,0000

0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9991
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
1,0000

0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
1,0000

0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
1,0000

0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
1,0000

0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
1,0000

0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
1,0000

0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999
1,0000
1,0000

135

VALO RES DA FUNO DE


DISTRIBUIO NORMAL REDUZIDA

( z )

1 e x2 / 2
dx
2

-3,0
-2,9
-2,8
-2,7
-2,6
-2,5
-2,4
-2,3
-2,2
-2,1
-2,0
-1,9
-1,8
-1,7
-1,6
-1,5
-1,4
-1,3
-1,2
-1,1
-1,0
-0,9
-0,8
-0,7
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0,0

0,0013
0,0019
0,0026
0,0035
0,0047
0,0062
0,0082
0,0107
0,0139
0,0179
0,0228
0,0287
0,0359
0,0446
0,0548
0,0668
0,0808
0,0968
0,1151
0,1357
0,1587
0,1841
0,2119
0,2420
0,2743
0,3085
0,3446
0,3821
0,4207
0,4602
0,5000

0,0010
0,0018
0,0025
0,0034
0,0045
0,0060
0,0080
0,0104
0,0136
0,0174
0,0222
0,0281
0,0352
0,0436
0,0537
0,0655
0,0793
0,0951
0,1131
0,1335
0,1562
0,1814
0,2090
0,2389
0,2709
0,3050
0,3409
0,3783
0,4168
0,4562
0,4960

0,0007
0,0017
0,0024
0,0033
0,0044
0,0059
0,0078
0,0102
0,0132
0,0170
0,0217
0,0274
0,0344
0,0427
0,0526
0,0643
0,0778
0,0934
0,1112
0,1314
0,1539
0,1788
0,2061
0,2358
0,2676
0,3015
0,3372
0,3745
0,4129
0,4522
0,4920

0,0005
0,0017
0,0023
0,0032
0,0043
0,0057
0,0075
0,0099
0,0129
0,0166
0,0212
0,0268
0,0336
0,0418
0,0516
0,0630
0,0764
0,0918
0,1093
0,1292
0,1515
0,1762
0,2033
0,2327
0,2643
0,2981
0,3336
0,3707
0,4090
0,4483
0,4880

0,0003
0,0016
0,0023
0,0031
0,0041
0,0055
0,0073
0,0096
0,0126
0,0162
0,0207
0,0262
0,0329
0,0409
0,0505
0,0618
0,0749
0,0901
0,1075
0,1271
0,1492
0,1736
0,2005
0,2297
0,2611
0,2946
0,3300
0,3669
0,4052
0,4443
0,4840

0,0002
0,0016
0,0022
0,0030
0,0040
0,0054
0,0071
0,0094
0,0122
0,0158
0,0202
0,0256
0,0322
0,0401
0,0495
0,0606
0,0735
0,0885
0,1056
0,1251
0,1469
0,1711
0,1977
0,2266
0,2578
0,2912
0,3264
0,3632
0,4013
0,4404
0,4801

0,0002
0,0015
0,0021
0,0029
0,0039
0,0052
0,0069
0,0091
0,0119
0,0154
0,0197
0,0250
0,0314
0,0392
0,0485
0,0594
0,0722
0,0869
0,1038
0,1230
0,1446
0,1685
0,1949
0,2236
0,2546
0,2877
0,3228
0,3594
0,3974
0,4364
0,4761

0,0001
0,0015
0,0021
0,0028
0,0038
0,0051
0,0068
0,0089
0,0116
0,0150
0,0192
0,0244
0,0307
0,0384
0,0475
0,0582
0,0708
0,0853
0,1020
0,1210
0,1423
0,1660
0,1922
0,2206
0,2514
0,2843
0,3192
0,3557
0,3936
0,4325
0,4721

0,0001
0,0014
0,0020
0,0027
0,0037
0,0049
0,0066
0,0087
0,0113
0,0146
0,0188
0,0238
0,0300
0,0375
0,0465
0,0570
0,0694
0,0838
0,1003
0,1190
0,1401
0,1635
0,1894
0,2177
0,2483
0,2810
0,3156
0,3520
0,3897
0,4286
0,4681

0,0000
0,0014
0,0019
0,0026
0,0036
0,0048
0,0064
0,0084
0,0110
0,0143
0,0183
0,0233
0,0294
0,0367
0,0455
0,0559
0,0681
0,0823
0,0985
0,1170
0,1379
0,1611
0,1867
0,2148
0,2451
0,2776
0,3121
0,3483
0,3859
0,4247
0,4641

136

VALO RES DA FUNO DE


DISTRIBUIO NORMAL REDUZIDA

( z )

1 e x2 / 2
dx
2

0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0

0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987

0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9648
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9990

0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9983
0,9993

0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9995

0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9874
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9997

0,5190
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9998

0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9278
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9998

0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9999

0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9430
0,9535
0,9625
0,9700
0,9762
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9999

0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
1,0000

137

F AT O R E S P AR A C L C U L O D O S L IM I T E S E M
G R F IC O S D E C O N T R O L E D E V AR I V E IS

TAMANHO DA AMOSTRA (n)

10

Grfico da
Mdia
A

2,12

1,73

1,50

1,34

1,22

1,13

1,06

1,00

0,95

A1

3,76

2,39

1,88

1,60

1,41

1,28

1,17

1,09

1,03

A2

1,88

1,02

0,73

0,58

0,48

0,42

0,37

0,34

0,31

A3

2,70

1,95

1,63

1,43

1,29

1,18

1,01

1,03

0,98

E2

2,66

1,77

1,46

1,29

1,18

1,11

1,05

1,01

0,98

Grfico do
Desvio-Padro
c2

0,56

0,72

0,80

0,84

0,87

0,89

0,90

0,91

0,92

c4

0,80

0,89

0,92

0,94

0,95

0,96

0,97

0,97

0,97

B1

0,00

0,00

0,00

0,00

0,03

0,10

0,17

0,22

0,27

B2

1,84

1,86

1,81

1,75

1,71

1,67

1,64

1,61

1,58

B3

0,00

0,00

0,00

0,00

0,03

0,12

0,19

0,24

0,29

B4

3,27

2,56

2,26

2,09

1,97

1,88

1,81

1,76

1,71

Grfico da
Amplitude
d2

1,13

1,69

2,06

2,33

2,53

2,70

2,85

2,97

3,08

d3

0,85

0,89

0,88

0,86

0,85

0,83

0,82

0,81

0,80

D1

0,00

0,00

0,00

0,00

0,00

0,21

0,39

0,55

0,69

D2

3,69

4,36

4,70

4,92

5,08

5,20

5,31

5,39

5,47

D3

0,00

0,00

0,00

0,00

0,00

0,08

0,14

0,18

0,22

D4

3,27

2,57

2,28

2,11

2,00

1,92

1,86

1,82

1,78
138

F R MU L AS P AR A C LC ULO D OS L IMIT E S E M
G R F ICO S D E C ONT R OLE D E VAR I VE IS

GRFICO DE CONTROLE
Mdia, por Mdia, por
R

DesvioPadro

Amplitude

Norma Conhecida
LM

c2

d2

LIC

- A

B1

D1

LSC

+ A

B2

D2

LM

LIC

x - A1 s

x - A2 R

B3 s

D3 R

LSC

x + A1 s

x + A2 R

B4 s

D4 R

Norma Desconhecida

139

VARIVEIS ALEATRIAS

PARMETROS

E [x]
(Mdia)

V [X]
(Varincia)

n, p
0<p<1

np

np(1-p)

p, 0 < p < 1

1
p

1 p
p2

BINOMIAL

n
p(x) = P{X=x} = p x (1 p) n x
x
x= 0, 1, 2, ...... n
POISSON

x e
x!
x= 0, 1, 2, ...... n

p(x) = P{X=x} =

GEOMTRICA
p(x) = P{X=x} = p(1 p) x 1
x= 0, 1, 2, ...... n
HIPERGEOMTRICA
D N D

x n x

p(x) = P{X=x} =
N

n
x= 0, 1, 2, ...... n

np
N, r, n
p= D/N

N n
N 1
q=1-p

npq

EXPONENCIAL
f(x) = e x , x > 0
= 0, x< 0

1/

1 / 2

, 2

NORMAL
f(x) =

1
2 .

1 x

Forma reduzida: z =

140