Escolar Documentos
Profissional Documentos
Cultura Documentos
CONTROLE
Causas especiais: – aquelas causas que não são parte do sistema (processo ou
produto) todo o tempo ou não afetam a todos, mas que surgem devido a circuns-
tâncias específicas.
1 2 3 4 5 6 7 8 9 10 11 12 13 . . k
Controle
ambiente / trabalhadores /
Processo Variação Devido a Linha
gerência / sistema de media
Estável Causas Comuns Central
Objetivo: Fornecer uma base
para atuar sobre o processo
Limite
Processo Inferior de
Base: O que o processo está
Instável Controle
atualmente fornecendo
Desenvolver gráfico
de controle apropriado
Shewhart foi bem além do pedido original. Ele publicou os detalhes do método
do gráfico de controle no Bell System Technical Journal de 1926 a 1930. Em 1931
Shewhart publicou Economic Control of Quality of Manufactured Product (Shewhart,
1931), o qual inclui a teoria e a aplicação de gráficos de controles. Gráficos de controle
são chamados gráficos de Shewhart em algumas partes do mundo para distinguir
gráficos baseados na teoria de Shewhart de outros gráficos de “controle”. A predição
era o conceito chave na definição de “controle” (Shewhart, 1931, p. 6).
Uma estatística descritiva (o resultado de se fazer contas com os dados), tais como
média, amplitude ou percentual com defeito, é calculado a partir das medidas em cada
subgrupo. A estatística é então plotada em um gráfico com o eixo horizontal sendo o
número do subgrupo e o eixo vertical sendo a escala para a estatística.
As razôes fundamentais para o uso dos limites de três sigmas de Shewhart são:
• Os limites têm base na teoria estatística.
• Os limites provaram na prática que distinguem causas especiais de causas
comuns de variação.
• Na maior parte dos casos, o uso de limites minimizará o custo total devido tanto
à reação excessiva quanto à falta de reação à variação no processo.
• Os limites protegem a moral dos trabalhadores no processo ao definir a
magnitude da variação que está embutida no processo.
Como pode ser visto na Tabela 25-1, os dados para algumas características de
qualidade podem ser registrados como qualquer um dos três tipos. Por exemplo, para
Dados contínuos podem ser convertidos para dados de atributo aplicando-se uma
definição operacional para a contagem ou classificação. Uma dimensão registrada pode
ser classificada como atendendo ou não à especificação; entretanto, essa conversão não
funciona na outra direção. As dimensões medidas são desconhecidas para um objeto
que é registrado como não atendendo às especificações.
De um modo geral, sempre que possível os dados devem ser coletados como
dados de variáveis, já que o aprendizado pode ocorrer com muito menos medidas se
comparado com as classificações ou contagens de atributos. Os gráficos de controle
para dados de variáveis requerem menos medidas em cada subgrupo do que o gráfico
de controle de atributo. Os tamanhos de subgrupos típicos para gráficos de dados de
variáveis variam de 1 a 10, enquanto que os tamanhos de subgrupo para dados de
atributo variam de 30 a 1000.
TIPO DE DADOS
CONTAGEM OU
CLASSIFICAÇÃO CONTÍNUOS
(DADOS DE ATRIBUTO) (DADOS DE VARIÁVEIS)
CONTAGEM CLASSIFICAÇÃO
Gráficos Gráficos
X-barra X-barra
Gráfico Gráfico U Gráfico Gráfico Gráfico
eR eS
C NP P X
Essas regras são consistentes no sentido de que a chance de ocorrências das regras
2, 3, 4 ou 5 para um processo estável estão próximas da chance da regra 1 ocorrer em
um processo estável.
UCL UCL
CL CL
LCL LCL
CL CL Um terço
externo
LCL LCL
CL Um terço
interno
LCL
4. OBSERVAÇÕES NECESSÁRIAS:
Observação Responsabilidade
6. ADMINISTRAÇÃO
Tarefa Responsabilidade
Fazer medição:
Registrar os dados nos gráficos:
Calcular estatísticas:
Plotar estatísticas:
Estender/mudar limites de controle:
Arquivamento:
6. ADMINISTRAÇÃO
Tarefa Responsabilidade
Fazer medição: Supervisor
Registrar os dados nos gráficos: Supervisor
Calcular estatísticas: Supervisor
Plotar estatísticas: Qualidade
Estender/mudar limites de controle: Supervisor
Arquivamento: Supervisor
A data em que os limites de controle foram calculados por último deve ser parte
do registro corrente do gráfico de controle.
A escala nos gráficos deve ser estabelecida de modo a permitir uma interpretação
visual da variação no processo. Uma boa escala é fácil de se plotar, fácil de ler, e deixa
espaço para valores futuros que possam ser afetados pelas causas especiais. Valores na
escala devem ser números arredondados e espaçados uniformemente. Com os limites
de controle centrados no gráfico, cerca de metade da escala deve estar incluída dentro
dos limites de controle.
3. Limites de controle são limites além das quais não queremos ir.
Os limites de controle não têm nada a ver com o que queremos. Os limites apenas
definem as regiões para causas comuns de variação. Com freqüência queremos
que um processo saia fora de controle, se, por exemplo, a mudança resultar em
um maior faturamento ou menos erros nas ordens de compra.
4. Limites de controle são limites dentro dos quais o processo pode variar
ao acaso.
Uma formulação melhor seria dizer que os limites de controles são limites no
processo dentro dos quais os resultados de amostras podem variar devido a causas
comuns, quando o processo absolutamente não muda. Esse conceito errado é uma
boa razão para não ligar os pontos plotados em um gráfico de controle. A linha
ligando os pontos implica uma “mudança” para alguns observadores.
Estatística
1 2 3 4 5 6 7 8 9 10 11121314151617181920
Como os limites de controle devem ser construídos? Shewhart (1931, p. 276) diz
que
“Obviamente, a base para tais limites têm que ser, em última análise, empírica.”
Shewhart forneceu alguma teoria estatística que pode dar informações sobre o
desempenho dos limites de controle. A desigualdade de Tchebycheff pode ser usada
para estabelecer limitantes para esses limites, sem fazer qualquer suposição sobre a
distribuição dos dados ou sobre a estatística descritiva. O teorema diz que a
probabilidade (P) de que um valor observado da estatística caia dentro dos limites de
três sigmas (desde que o processo seja estável) satisfaz a inequação:
Assim, pelo menos em 89% do tempo, se o processo for estável, espera-se que a
estatística plotada caia dentro dos limites de controle. Mais uma vez, essa afirmação
Desenvolvendo um gráfico X
Há vários símbolos associados com gráficos de controle para dados contínuos. Os
seguintes símbolos são usados com gráficos de medidas individuais:
– símbolo de somatória
* – símbolo de multiplicação
UCL = X + (2.66 * MR )
LCL = X – (2.66 * MR )
6. Calcule e trace uma escala tal que os limites de controle “englobem” os 50%
internos da área de plotagem.
X
X _________ ________ MR
MR _________ ________
k k 1
GRÁFICO X GRÁFICO MR
UCL = X + (2.66 * MR ) UCLMR = 3.27 * MR
UCL = + (2.66 * ) UCLMR = 3.27 *
UCL = + UCLMR = _________________
UCL = ___________________
MR – 6 5 3 6 12 1 3 8 8 0 1 5 4 6 9 5 14 11 1 3 6 2 3 4
90
Densidade
70
50
30
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Número do Veículo
X
X 1000 40 MR
MR 126 5,3
k 25 k 1 24
GRÁFICO X GRÁFICO MR
UCL = X + (2,66 * MR ) UCLMR = 3,27 * MR
UCL = 40 + (2,66 * 5,3 ) UCLMR = 3,27 * 5,3
UCL = 40 + 14,1 UCLMR = 17,3
UCL = 54,1
X
X 5481 219 ,2 MR
MR 94 3,92
k 25 k 1 24
GRÁFICO X GRÁFICO MR
UCL = X + (2.66 * MR ) UCLMR = 3,27 * MR
UCL = 219,2 + (2.66 * 2,95 ) UCLMR = 3,27 * 3,92
UCL = 219,2 + 7,8 12,8
UCLMR = _________________
227,0
UCL = ___________________
MR – 3.28 2.18 1.69 2.34 4.47 6.48 4.60 1.90 3.44 5.42 1.51 0.64 2.13 2.53 1.36 1.62 2.22 3.63 2.71 0.31 1.78 1.06 0.58
% Diferença do Budget
15
10
5
0
-5
-10
-15
J F M A M J J A S O N D J F M A M J J A S O N D J F
1992 1993
Observações:
X
X 21,6 0,90 MR
MR 58,1 2,53
k 24 k 1 23
GRÁFICO X GRÁFICO MR
UCL = X + (2,66 * MR ) UCLMR = 3,27 * MR
UCL = 0,90 + (2,66 * 8,27 ) UCLMR = 3,27 * 2,53
UCL = 0,90 + 7,8 8,27
UCLMR = ____________
UCL = ______________
7,63
Estimativa Alternativa de
0.80 é um fator de gráfico de controle (c4 para n = 2) o que faz com que esse estimado
seja não-viciado.
Quando os limites são estendidos para 1990, é indicada a presença de uma causa
especial. Parece que uma mudança fundamental ocorreu que reduziu o déficit. Para
atualizar o gráfico de controle, os dados de 1991 e 1992 são usados para calcular novos
limites. Esses novos limites indicam que o déficit comercial é novamente estável com
novos limites de previsibilidade. Esses limites podem ser usados para o déficit
comercial em 1993.
100
C
50 CL = LCL
81 = 54 C C C
A A A A C C
0 A A
0LCL1 = 62 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Número do teste
100 B B B B
CL = 81 B B C B C B
50
C C
C A C A C C
A0 A A A A
0 LCL
1 =26 3 4 5 6 7 8 9 10 11 A
12 13 14 15 16 17 18 19 20 21 22 23 24
Número do teste
150
Horas
100
UCL = 108 B B B
50 CL = 81 B
B B B B
A A C
0 C
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Número do teste
14
12 14 Novos Limites
12 Preliminares
Bilhões de Dólares
10 10
Bilhões de Dólares
8
8 6
4
6 Cálculo dos Limites Extensão 2
dos Limites 0
4
Déficit Comercial por
2
Mês e Ano
0
J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J
1988 1989 1990 1991 1992
Algumas aplicações com tendência não linear podem ser aproximadas como
linear em uma região de interesse. Por exemplo, baseado na experiência, poderia se
1. Plote os dados.
X 2 X1
6. Calcule a inclinação da tendência: M .
k 2 k1
3000
Faturamento ($ 1000)
2500
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1988 1989 1990 1991 1992
* Observação: Esse MR não é usado. Comparando esse MR com MR R pode-se notar que
MRR fornece uma estimativa diferente da variação de causa comum.
725,00
689,29
653,57
Barris/Dia
617,86
582,14
546,43
Alta
Atividade de
510,71
Manutenção
475,00
0 5 10 15 20 25 30
Mês
Os limites de controle não são necessários para as amplitudes móveis, uma vez que
a mediana das amplitudes móveis não é afetada por resultados extremos. Esse método
de cálculo é útil quando são grandes a chances de que os dados iniciais coletados para
desenvolver o gráfico sejam afetados por causas especiais.
Dados contínuos: dados medidos em uma escala contínua tal como uma
dimensão, tempo, viscosidade ou custo.
Freqüentemente os dados podem ser coletados como qualquer um dos dois tipos.
Por exemplo, ao avaliar os erros de ortografia em um manuscrito (ver Figura 25-18),
cada página pode ser classificada como (1) tendo um ou mais erros de ortografia ou (2)
não tendo erros. Isso seria uma classificação de unidades, cada página sendo uma
unidade. Alternativamente, o número de erros de ortografia em cada página poderia ser
contado.
p
p ________________ (Linha Central)
k
p * 100 p * 100
ˆ p _____________
n
UCL = p + ( 3 * ˆ p ) LCL = p – ( 3 * ˆ p )
UCL = ____ + ( 3 * ___ ) LCL = ____ – ( 3 * ___ )
UCL = ____ + _____ LCL = ____ – _____
UCL = ______ LCL = ______
p
d * 100 * 100 ________________ (Linha Central)
n
p * 100 p * 100
ˆ p
n n n
UCL = p + ( 3 * ˆ p ) LCL = p – ( 3 * ˆ p )
A Figura 25-21 mostra um nomográfico que também pode ser usado para
determinar limites de controle para gráficos P. O valor de p deve ser calculado primeiro
usando a fórmula apropriada da Figura 25-20. O nomográfico fornece um valor que
pode ser adicionado a p para determinar o limite superior de controle (UCL) e
subtraído de p para determinar o limite inferior de controle (LCL). Observe que não
existe limite inferior de controle se o valor calculado for menor do que zero.
30
n=30
25
n=50
20
n=75
3ˆ p 15 n=100
n=150
10 n=200
n=500
5 n=1000
1 2 3 4 5 10 20 30 40 50
(escala logarítmica)
p (escala logaritma)
Gráfico de Controle: CL = p
UCL = p 3ˆ p
LCL = p 3ˆ p
Data
Hora
Total Inspecionado 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90
Total com Defeito 10 8 14 6 8 7 16 12 10 9 12 10 14 4 8 12 9 5 14 10
% com Defeito 11.1 8.9 15.6 6.7 8.9 7.8 17.8 13.3 11.1 10.0 13.3 11.1 15.6 4.4 8.9 13.3 10.0 5.6 15.6 11.1
Observações:
30
25
% Absenteísmo
20
15
10
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Dias
p
p 220.0
________________
11.0 (Linha Central)
k 2.0
UCL = p + ( 3 * ˆ p ) LCL = p – ( 3 * ˆ p )
11.0 + ( 3 * ___
UCL = ____ 3.3 ) 11.0 – ( 3 * ___
LCL = ____ 3.3 )
11.0 + _____
UCL = ____ 9.9 11.0 – _____
LCL = ____ 9.9
20.9
UCL = ______ 1.1
LCL = ______
Data
Hora
Total Inspecionado 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90
Total com Defeito 2 3 1 1 1 2 0 3 1 8 1 2 0 4 3 1 0 2 1 0
% com Defeito 2.2 3.3 1.1 1.1 1.1 2.2 0.0 3.3 1.1 8.9 1.1 2.2 0.0 4.4 3.3 1.1 0.0 2.2 1.1 0.0
Observações:
12
10
% Absenteísmo
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Dias
p
p 40
________________
2.0 (Linha Central)
k 20
UCL = p + ( 3 * ˆ p ) LCL = p – ( 3 * ˆ p )
2.0 + ( 3 *1.48
UCL = ____ ___ ) 2.0 – ( 3 * ___
LCL = ____ 1.48)
2.0 + _____
UCL = ____ 4.44 2.0 – _____
LCL = ____ 4.44
6.44
UCL = ______ ——
LCL = ______
p
d * 100 988 * 100 ________________ (Linha Central)
7.60
n 13000
7.60 + ( 3 *___
UCL = ____ 26.5 / n ) 7.60 – ( 3 *___
LCL = ____ 26.5 / n )
7.60 + ( ____
UCL = ____ 79.5 / n ) 7.60 – ( ____
LCL = ____ 79.5 / n )
250
n: _____ 500 _____ 750 _____ 1000 _____
_____ 15.8 22.4 27.4 31.6
n : _____ _____ _____ _____
_____
3 * ˆ p : _____
5.03 3.56
_____ 2.90
_____ 2.51
_____ _____
12.63 11.16 10.50 10.11
UCL: _____ _____ _____ _____
_____ 2.58 4.04 4.70 5.09
LCL: _____ _____ _____ _____ _____
A Tabela 25-8 resume o tamanho mínimo de subgrupo necessário para se ter (1) um
limite inferior de controle positivo, e (2) menos de 25% dos subgrupos com p = 0 para
porcentagens médias diferentes. Se o tamanho da amostra necessária nessa tabela for muito
grande para fins práticos, então deve-se desenvolver alguma medição contínua.
Gráficos C
Um gráfico C é usado quando a área de oportunidade é constante para cada
subgrupo. Esse seria o caso no exemplo mencionado anteriormente de 50 notas fossem
recebidas no escritório todo dia. A estatística plotada para um gráfico C é simplesmente
o número de ocorrências (erros) em cada área de oportunidade (uma semana ou 50
notas). A Tabela 25-9 ilustra algumas situações nas quais um gráfico C seria aplicável.
Construção de um Gráfico C
Uma vez que se tenha determinado que a área de oportunidade será constante para
cada subgrupo, deve-se seguir os seguintes passos para se construir um gráfico C:
c
c ________________ (Linha Central)
k
UCL = c + ( 3 * c ) LCL = c – (3* c )
UCL = ____ + ( 3 * ___ ) LCL = ____ – ( 3 * ___ )
UCL = ____ + _____ LCL = ____ – _____
UCL = ______ LCL = ______
u
c * 100 * 100 ________________ (Linha Central)
n
UCL = u + (3* u n ) LCL = u – (3* u n )
Janeiro 1990 10
Fevereiro 5
Março 9
Abril 4
Maio 3
Junho 2
Julho 2
Agosto 1
Setembro 3
Outubro 4
Novembro 3
Dezembro 1
c = 133
c
c 13.3
________________
5.5 (Linha Central)
k 2.4
Gráficos U
Se a área de oportunidade variar entre subgrupos e as outras hipóteses necessárias
para a construção de um gráfico C forem válidas, então um gráfico U seria o gráfico de
controle apropriado. Contagens que são feitas em áreas de oportunidade que diferem
não podem ser comparadas diretamente como no gráfico C. A Tabela 25-12 contém
alguns exemplos que ilustram se um gráfico C ou U seria apropriado
Construção de um Gráfico U
Uma vez que tenha sido determinado que a área de oportunidade variará entre
subgrupos, deve-se seguir os seguintes passos para se construir um gráfico U:
1. Registre a contagem e o tamanho da área de oportunidade para cada subgrupo.
2. Decida a área de oportunidade padrão.
3. Calcule n (área de oportunidade para cada subgrupo dividida pela área de
oportunidade padrão) para cada subgrupo.
4. Calcule a estatística u (contagem / n) para cada subgrupo.
5. Calcule u (consulte a folha de cálculo de gráfico de controle contida na
Figura 25-26), a linha central do gráfico U.
6. Calcule os limites de controle para o gráfico U. Consulte a Figura 25-26.
7. Calcule e trace uma escala no formulário de plotagem tal que o maior limite de
controle superior fique a cerca de 25% abaixo do topo da área de plotagem.
Exemplos de Gráfico U
Em um esforço de melhorar a resposta a clientes, o setor de contabilidade de uma
certa empresa monitorou o número de erros nas cobranças que são recebidas a cada dia.
Uma vez que a área de oportunidade (o número de cobranças recebidas a cada dia)
variava, a construção de um gráfico U foi apropriado. Foi decidido padronizar o número
de erros com base nos erros por cobrança. Assim, a estatística u calculada foi “erros por
cobrança”. A Tabela 25-13 contém os dados que foram coletados em um período de três
semanas.
Data 7/1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora
Total Inspecionado 121 186 83 100 204 62 190 145 121 160 53 155 144 80 101 160 46 188 137 210 92
Total com Defeito 202 298 170 160 337 143 300 251 242 310 111 269 288 150 224 320 99 319 212 386 189
% com Defeito 1.7 1.6 2.0 1.6 1.7 2.3 1.6 1.7 2.0 1.9 2.1 1.7 2.0 1.9 2.2 2.0 2.2 1.7 1.5 1.8 2.1
Observações:
3 J
F
2
Erros por Cobrança
M
2 A
M
2
J
2 J
A
2
S
1 O
1 N
D
1 J
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 F
M
u
c * 100 1.82
* 100 ________________ (Linha Central)
n
UCL = u + (3* u n ) LCL = u – (3* u n )
1.82 1.35
UCL = ____ + ( 3 *___ / n ) 1.82 – ( 3 *___
LCL = ____ 1.35 / n )
1.82 + ( ____
UCL = ____ 4.05 / n ) 1.82 – ( ____
LCL = ____ 4.05 / n )
54
n: _____ 90
_____ 142
_____ 196
_____ _____
7.35
n : _____
2.37 9.5
_____
2.25 11.9
_____
2.16 14
_____
2.11 _____
UCL: _____ _____ _____ _____ _____
1.27
LCL: _____ 1.39
_____ 1.48
_____ 1.53
_____ _____
u
c * 100 133 8.79
* 100 ________________ (Linha Central)
n 15.13
UCL = u + (3* u n ) LCL = u – (3* u n )
8.79 2.96
UCL = ____ + ( 3 *___ / n ) LCL = ____ – ( 3 *___ / n )
8.79 + ( ____
UCL = ____ 8.89 / n ) LCL = ____ – ( ____ / n )
.40
n: _____ .60
_____ .80
_____ 1.0
_____ 1.2
_____
.632
n : _____
22.85 .774
_____
20.27 .894
_____
18.73 117.68
_____ 1.1
_____
16.91
UCL: _____ _____ _____ _____ _____
LCL: _____ _____ _____ _____ .708
_____
Freqüentemente é útil expressar a amplitude para p que possa ser esperada para
um dado número de unidades (ou outra definição de área de oportunidade). Os limites
de controle fornecem uma amplitude desse tipo, se o número de unidades de interesse
for igual ao tamanho de subgrupo. Por exemplo, um gráfico P é construído usando uma
amostra de 100 unidades da produção de cada dia e a linha central é 12%. Usando
limites de controle de 2.2% (LCL) até 21.8% (UCL), o processo está em controle
estatístico. Os limites de controle fornecem uma predição da amplitude de p para
amostras de 100 unidades do processo.
Capacidade de um Gráfico C ou U
Determinar a capacidade de um processo, quando se usa um gráfico C ou U para
monitorar uma característica de qualidade, é similar a determinar a capacidade de um
gráfico P. A linha central ( c ou u ) é a capacidade. Freqüentemente também é de
interesse saber a amplitude de incidentes esperados para uma dada área de oportunidade.
Por exemplo, considere uma fábrica com uma média de dois acidentes por mês.
Um gráfico C foi usado para monitorar os acidentes com c 2 e UCL = 6.2. Se o
processo for estável, a fábrica esperaria dois acidentes por mês, mas em qualquer mês
poderia haver desde nenhum acidente ou até seis acidentes (UCL = 6.2).
Para o exemplo da contabilidade, o processo ficou estável com u 1.82 erros por
cobrança (veja a Tabela 25-23 e a Figura 25-29). Os limites de controle dependeram do
número de cobranças processadas em um dado dia. A partir de u é fácil calcular o
número esperado de erros para um número dado qualquer de cobranças. Por exemplo,
em 100 cobranças o número esperado de erros é:
Para determinar a amplitude de erros que podem ser visto em qualquer grupo dado
de 100 cobranças, simplesmente calcule os limites de controle usuais para gráfico C com
c 182 . Isto é, na média haverá cerca de 182 erros a cada 100 cobranças, mas qualquer
conjunto de 100 cobranças pode conter desde apenas 142 erros até 222 erros.
Resumo
Os seguintes itens resumem algumas das idéias principais a respeito de gráfico de
controle de atributo.
2. O gráfico P pode ser usado tanto para tamanhos de subgrupo fixos quanto
variáveis.
3. Toda porcentagem não é dado de atributo. Os dados têm que ser classificados
para se usar um gráfico P.
– Símbolo de somatória
* – Símbolo de multiplicação
Todas as médias que são calculadas devem ser arredondadas para uma casa
decimal a mais (dígito significativo) do que os valores usados para a média. Os passos
para se desenvolver gráficos de controle X-barra e R são:
X
X __________ R
R ________
k k
Gráfico X Gráfico R
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = + ( * ) UCL = *
UCL = + UCL = __________
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = – ( * ) LCL = *
LCL = – LCL = __________
LCL = ____________
UCL X A2 * R
LCL X A2 * R
UCL D4 * R
LCL D3 * R
n* A2 D3 D4 d2
Uma vez que os valores de microacabamento das peças foi reduzido com a
introdução de material com porosidade menor em 7 de junho, os limites de controle
foram recalculados usando-se 24 subgrupos selecionados em 7, 8 e 9 de junho. A Figura
25-37 contém o gráfico X-barra e R, e os cálculos dos novos limites de controle são
mostrados na Figura 25-38.
HORA 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00
1 172 199 188 216 190 184 195 198 181 197 199 182 259 199 187 193 158 145 161 183 143 151 190 155
2 172 213 191 205 189 197 179 181 188 191 214 162 197 166 206 217 163 176 174 167 175 161 155 157
Medições
3 174 199 203 191 182 221 192 205 179 194 197 189 235 185 209 202 150 145 178 197 168 151 177 156
4 196 182 172 207 190 191 194 189 169 210 215 177 212 174 144 175 171 197 158 163 151 163 168 154
5 192 206 176 235 216 212 198 184 192 183 183 213 247 154 204 185 169 152 177 178 196 175 158 143
6
Média,X 181.2 199.8 186.0 210.8 193.4 201.0 191.6 191.4 181.8 195.0 201.6 184.6 230 175.6 190 194.4 162.2 163 169.6 177.6 166.6 160.2 169.6 153
Amplitude, R 24 31 31 44 34 37 19 24 23 27 32 51 62 45 65 42 21 52 20 34 53 24 35 14
Identificador de
subgrupo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
225
205 UCL=205.12
Médias
185
CL=184.59
165 LCL=164.06
145
90
UCL=74.7
Amplitude
60
s
30
0
OBSERVAÇÕES:
Alta porosidade registrada Alta porosidade corrigida
Velocidade de Serra caiu
(Fornecedor: Qualidade Ltda) pelo fornecedor
pata 250 pés/min.
X
X 4430.3
__________
184.59 R
R 844
________
35.4
24 24
k k
Gráfico X Gráfico R
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = 184.59+ . ( .58 *35.4 ) UCL = 2.11 * 35.4
UCL =184.59 + 20.53 74.7
UCL = __________
205.12
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = 184.59 –. (.58 *35.4 ) LCL = *
LCL =184.59 – 20.53 LCL = __________
164.06
LCL = ____________
HORA 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00
1 158 145 161 183 143 151 190 155 192 142 160 149 150 156 160 171 174 171 156 159 167 172 174 155
2 163 176 174 167 175 161 155 157 162 169 178 151 158 157 159 162 171 170 173 156 159 167 178 157
Medições
3 150 145 178 197 168 151 177 156 182 160 156 167 165 173 166 167 156 181 166 155 171 152 175 156
4 171 197 158 163 151 163 168 154 169 171 174 149 170 167 149 177 172 136 180 159 144 165 159 154
5 169 152 177 178 196 175 158 143 161 174 189 175 155 170 145 160 187 168 168 167 165 160 175 143
6
Média,X 162.2 163.0 169.6 177.6 166.6 160.2 169.6 153.0 173.2 163.2 171.4 158.2 159.6 164.6 155.8 167.4 172 165.2 168.6 159.2 161.2 163.2 172.2 153
Amplitude, R 21 52 20 34 53 24 35 14 31 32 33 26 20 17 21 17 31 45 24 12 27 20 19 14
Identificador de
subgrupo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
210
190
UCL=180.43
Médias
170 CL=165.65
150 LCL=150.87
130
75
Amplitude
50
s
25
0
OBSERVAÇÕES:
Novos limites calculados usando dados de 7/6 a 9/6
X = 165.65
UCL = 180.43
LCL = 150.87
X
X 3975.61
__________
165.65 R
R 611
________
25.5
24 24
k k
Gráfico X Gráfico R
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = 165.65+ . ( .58 * 25.5 ) UCL = 2.11 * 25.5
UCL = 165.65+ 14.78 53.8
UCL = __________
180.43
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = 165.65 –. (.58 * ) LCL = *
LCL = 25.5
165.65 – 14.78 LCL = __________
150.87
LCL = ____________
ˆ R d 2
Mínimo = X 3ˆ
Máximo = X 3ˆ
Em muitos processos é mais fácil mudar a média do que reduzir a variação. Assim,
em algumas definições de capacidade o foco primário é a variação no processo. Em
situações onde a média possa ser facilmente ajustada a um valor de meta, um processo
é capaz se a diferença entre X 3ˆ e X 3ˆ for menor do que a diferença entre as
especificações superior e inferior.
A Figura 25-39 ilustra situações relativas à capacidade e ações que podem ser
tomadas para melhorar um processo. Um gráfico de cada situação também está incluído.
Situação Ação
1. O processo é capaz e centrado 1. a) Reduzir inspeção.
( X é igual ou próximo do b) Monitorar processo para detectar causas
valor meta). especiais.
c) Melhorias adicionais seriam resultado
de mudanças fundamentais no processo
para reduzir causas comuns.
S S
P P
Meta
S S
P P
Meta
S S
P P
Meta
4. O processo não é capaz nem 4. a) Se possível fazer ajustes para centrar o
centrado. processo.
b) São necessárias mudanças fundamentais
no processo para reduzir causas comuns.
S S
P P
Meta
ˆ R d 2
25.5 2.326
10.96
Mínimo X 3ˆ
165.65 310.96
133
Máximo X 3ˆ
165.65 3(10.96)
199
S
P
*Direção da
Máquina (DM) A1 A2 A3
B1 B2 B3
UCL
Gráfico
X-barra CL
LCL
UCL
Gráfico R CL
Gráfico UCL
X-barra CL
LCL
UCL
Gráfico R CL
Exemplos de Vendas
Um exemplo oriundo de vendas fornece outra ilustração do conceito de
subgrupamento racional e do desenvolvimento de gráficos X-barra e R. Em uma certa
empresa , para fins de planejamento foram feitas previsões trimestrais de vendas por
região e por vendedor dentro de cada região. As previsões levaram em conta as
condições de mercado dentro do território de um vendedor. A fim de avaliar o processo
de venda, o gerente de vendas calculou as vendas como porcentagem da previsão para
dois trimestres, para cada vendedor em duas regiões diferentes. Os dados foram
subgrupados por vendedor e os gráficos de controle X-barra e R foram construídos.
Com essa estratégia de subgrupamento a variação entre os vendedores foi monitorada
no gráfico X-barra e a variação por vendedor foi monitorada no gráfico R. No gráfico
original X-barra, as diferentes regiões foram identificadas como uma causa especial.
Assim, foram preparados diferentes gráficos para cada região.
Gráfico X-barra
• Apesar de todos terem alcançado a previsão na Região 1, as razões pelas quais os
vendedores D e I desempenharam pior do que o sistema deve ser investigadas.
• Apesar de ninguém ter alcançado a previsão na Região 2, as razões pelas quais
os vendedores M e Q desempenharam melhor do que o sistema devem ser
investigadas.
Gráfico R
• R é aproximadamente o mesmo na Região 1 e na Região 2.
• A variação por vendedor é estável na Região 1.
• A razão das diferentes porcentagens de um trimestre para outro para o vendedor
M na Região 2 deve ser investigado.
Vendedor
DATA A B C D E F G H I J K L M N O P Q R S T U V W X
HORA
1 124 127 114 108 128 135 129 118 113 130 111 141 111 70 85 78 97 82 75 79 80 81 72 100
2 130 122 124 102 130 131 134 118 99 120 109 123 85 80 81 76 95 70 71 79 88 79 72 85
Medições
6
Média, X 127 124.5 119.0 105 129 133 131.5 118 106 125 110 132 98 75 83 77 96 76 73 79 84 80 72 92.5
Amplitude, R 6 5 10 6 2 4 5 0 14 10 2 18 26 10 4 2 2 12 4 0 8 2 0 15
Identificador de
subgrupo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
UCL=135.4
130
115 CL=121.42
Médias
70 CL=82.13
LCL=68.78
30
Amplitudes
UCL=23.9 UCL=23.2
20
10
0
OBSERVAÇÕES:
12
NÚMERO DE SUBGRUPOS (k) ___________ 1/1 – 30/6
ENTRE (DATAS) ___________________
2
NÚMERO DE AMOSTRAS OU MEDIÇÕES POR SUBGRUPO (n) __________________
Gráfico X Gráfico R
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = 121.42 + (1.88 * 7.3 ) UCL = 3.27 * 7.3
UCL = 121.42 + 13.72 23.9
UCL = __________
135.4
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = 121.42 – (1.88 *7.3 ) LCL = *
LCL = 121.42 – 13.72 LCL = __________
107.70
LCL = ____________
Gráfico X Gráfico R
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = 82.13 + (1.88 * 7.1 ) UCL = 3.27 * 7.1
UCL = 82.13 + 13.35 23.2
UCL = __________
95.48
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = 82.13 – (1.88 * 7.1 ) LCL = *
LCL = 82.13 – 13.35 LCL = __________
68.78
LCL = ____________
Outros tipos de gráficos de controle têm sido usados para dados contínuos em
aplicações especiais. Esses incluem a média móvel, a amplitude móvel, a soma
cumulativa (CUSUM), e o gráfico de média móvel exponencialmente ponderada
(EWMA). Alguns desses gráficos são particularmente úteis quando os dados de um
subgrupo para outro não são independentes. Roberts (1966) discute esses gráficos de
controle.
Algumas vezes os dados para gráficos X-barra e R são para uma característica de
qualidade que tem uma distribuição assimétrica. Exemplos de tais características são
medidas ambientais de concentração e medições de tempo para falhar. Pode-se usar uma
transformação dos dados originais (por exemplo tomar o logaritmo ou a raiz quadrada)
para tornar os dados mais simétricos em torno da média. Os dados transformados podem
então ser usados para desenvolver os gráficos X-barra e R.
Resumo
Os itens seguintes resumem algumas das idéias importantes a respeito dos
gráficos de controle X-barra e R:
• O conceito de subgrupamento racional pode ser usado com gráficos X-barra e R
para estudar aspectos particulares de um processo.
• Tamanhos de subgrupo de três a seis são usualmente apropriados. As medições
no subgrupo devem ter sido produzidas sob condições similares. Deve ser evitada
a variação sistemática dentro do subgrupo.
• As linhas centrais dos gráficos X-barra e R são X , a média geral sobre os dados,
e R , a média das amplitudes, respectivamente.
UCL = X + ( A2 * R ) UCL = D4 * R
LCL = X – ( A2 * R ) LCL = D3 * R
• Uma vez que o processo tenha se estabilizado pela remoção das causas especiais
de variação, a capacidade do processo pode ser determinada e podem ser
implementadas medidas apropriadas para a melhoria.
Gráficos X-barra e S
Há algumas situações nas quais dados contínuos são melhores subgrupados e os
subgrupos racionais são de tamanhos diferentes. Isto é, o número de medições ou
observações, dentro de cada subgrupo, variará de um subgrupo para outro. Para essas
situações um gráfico X-barra e S é apropriado, onde S é o desvio padrão dos valores de
subgrupo. O gráfico X-barra e S pode também ser preferível ao gráfico X-barra e R
quando o tamanho de subgrupo racional é constante mas grande. Nesses casos o desvio
padrão é um estimador da dispersão mais eficiente do que a amplitude. Isso pode ser
apreciado melhor quando se observa que a amplitude usa apenas dois valores para
estimar a dispersão (o maior e o menor) enquanto que o desvio padrão usa todos os
dados. Para subgrupos pequenos, tal como são tipicamente usados, haverá pouca
diferença entre os dois; entretanto, para tamanhos de subgrupos maiores do que seis, o
desvio padrão se torna mais eficiente do que a amplitude.
n X n 1S
2
X _______ S _______
i i i i
n i n k i
Gráfico X Gráfico R
UCL = X + ( A3 * S ) UCL = B4 * S
UCL = + ( * ) UCL = *
UCL = + UCL = __________
UCL = ____________
LCL = X – ( A3 * S ) LCL = D3 * S
LCL = – ( * ) LCL = *
LCL = – LCL = __________
LCL = ____________
X X n 1
2
2. Calcule S para cada subgrupo: S i
X n i X i n i
n 1S
2
S
i i
n k
i
UCL X A 3 * S
LCL X A 3 * S
Observação: A3 é um fator que depende do tamanho de subgrupo e pode ser
obtido da Figura 25-1.
6. Calcule os limites de controle para o gráfico S usando:
UCL = B4 * S
LCL = B3 * S
Observação: B3 e B4 são fatores que dependem do tamanho de subgrupo e
podem ser obtidos da Figura 25-46 ou do apêndice desse seção.
Observe que não existe limite de controle inferior para S quando
o tamanho de subgrupo for menor do que seis.
7. Calcule a escala para o gráfico X-barra de modo que os limites de controle
englobem os 50% interiores da área de plotagem. Calcule a escala para o
gráfico S de modo que o limite de controle superior esteja colocado de 25% a
35% do topo do gráfico.
8. Plote os X ’s no gráfico X-barra e os S’s no gráfico S.
9. Trace os limites de controle e a linha central no gráfico X-barra. Observe que
os limites de controle para ambos os gráficos são variáveis quando os
tamanhos de subgrupo variam.
10. Trace os limites de controle e a linha central no gráfico S.
UCL-X 181.09
LCL-X 148.07
subgrupo n 5
S-subgrupo 8.5 20.6 9.4 13.5 20.9 8.9 14.3 5.7 13.4 12.9 13.5 12.0 8.0 7.7 8.6 6.9 11.0 17.1 8.9 4.7 10.5 7.6 7.5 5.7
S-barra 11.57
UCL-S 24.17
LCL-S
Fator A3 1.427
Fator B4 2.089
Fator B3
n X n 1S
2
19750 164.58 12848 11.57
X _______ S _______
i i i i
n i
120 n k i
96
Gráfico X Gráfico R
UCL = X + ( A3 * S ) UCL = B4 * S
UCL = 164.58 + ( 1.427 * 11.57 ) UCL = 2.089 * 11.57
UCL = 164.58 + 16.51 24.17
UCL = __________
181.09
UCL = ____________
LCL = X – ( A3 * S ) LCL = D3 * S
LCL = 164.58 – ( 1.427 *11.57 ) LCL = *
LCL = 164.58 – 16.51 LCL = __________
148.07
LCL = ____________
200
Microacabamento
190
180
170
160
150
140
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Dias
30
25
Desvio Padrão
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Dias
Mínimo X 3ˆ
3. Calcule o máximo prático do processo:
Máximo X 3̂
Mínimo X 3ˆ
164.58 312.31 127.65
3. Calcule o máximo prático do processo:
Máximo X 3ˆ
164.57 312.31 200.93
S
P
133 164.58 199 200
Pode ser vista uma causa especial no gráfico X-barra durante as semanas 9 e 10.
Isso foi associado com um período de tempo no qual as condições meteorológicas
estiveram particularmente ruins. Outra causa especial pode ser vista no gráfico S
durante a semana 17. O aumento da variação dentro do grupo foi investigado e
descobriu-se que ela foi causada por duas das empresas que trocaram as tarefas entre si.
Houve alguma confusão quanto aos melhores trajetos e quanto a alguns procedimentos
de carregamento. Em uma semana os motoristas e o pessoal de carregamento
aprenderam suas novas tarefas e parece que a causa desapareceu.
10
8
Horas médias da meta
-2
-4
-6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
10
7
Desvio Padrão
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Número da semana
mudança de
motoristas
O fator de ponderação () varia entre 1 e 0. A maior parte dos usos econômicos
recomendam um entre 0.1 e 0.3. O “melhor” valor para pode ser estimado a partir
de dados (n > 50) por meio de mínimos quadrados, se o processo for estável. pode ser
pensado com descrevendo quanto de “memória” se atribui a dados passados. Um
grande e próximo de 1 é praticamente equivalente a plotar os próprios dados; um
pequeno atribui muito mais peso aos dados passados. Decidir qual valor selecionar
requer conhecimento do processo.
3. Ela pode ser usada para controle de processos dinâmicos e pode ser
modificada para fornecer controle “PID” (proporcional, integral, diferencial).
Jaehn (1991) também mostra como métodos similares podem ser usados em um
gráfico de amplitude para a região acima da média de amplitude. Note que tais métodos
no gráfico de amplitude não forneceriam um método para se ver causas especiais
resultando em menos variação dentro do subgrupo. Esse pode ser o caso quando algum
experimento no processo está sendo conduzido com o propósito de reduzir a variação.
Outros métodos de pontuação têm sido usados para as zonas, tais como 1,2 4 e 8,
mas esses resultarão em possível reação exagerada. As pontuações de zona do exemplo
abaixo resultarão em uma sensibilidade a mudanças no processo similar à do gráfico de
Shewhart. Deve-se observar que o gráfico de controle de zona tem menos sensibilidade
do que os gráficos de Shewhart para muitos tipos de causas especiais. Por exemplo,
obter dois em cada três pontos no terço superior mas em lados diferentes do gráfico
usualmente é tomado como uma causa especial em um gráfico de Shewhart, enquanto
que no gráfico de zona esse sinal se perderia. A experiência tem mostrado que esse é
um sinal confiável de variação especial em um sistema. De modo similar, uma tendência
poderia passar despercebida em um gráfico de zona.
8
+3 sigma
4
+2 sigma
2
+2 sigma
0
META
0
–1 sigma
2
–2 sigma
4
–3 sigma
8
8
53.0 +3 sigma
4
52.0 +2 sigma
2 2
51.0 +2 sigma
0 0
50.0 2 META
0 0
49.0 2 –1 sigma
2 2 8
48.0 –2 sigma
4 6
47.0 –3 sigma
8
Referências
American Society for Quality Control, Z1.1-1985. 1985. Guide for Quality Control
Charts: Z1.2-1985 Control Chart Method for Analyzing Data: Z1.3-1985.
Control Chart of Controlling Quality During Production. Milwaukee.
American Society for Quality Control. 1986. Industrial Quality Control – Special
Memorial Issue. Milwaukee: ASQC.
Clifford, P.C. 1959. “Control Charts Without Calculations”. Industrial Quality Control.
Vol. 15, No 11, pp. 40–44.
Cryer, J. D. and Ryan, T. P. 1990. “The Estimation of Sigma for an X Chart: MR /d2
or S/c4?” Journal of Quality Technology. Vol. 3, pp. 187–192.
Deming, W. E. 1986. Out of the Crisis. MIT Center for Advanced Engineering Study.
Cambridge, Massachusetts.
Flynn, M. F. 1983. “What Do Control Charts Really Mean?” 1983 ASQC Quality
Congress Transactions. Milwaukee: ASQC.
Ford Motor Company. 1984. Continuing Process Control and Process Capability
Improvement. Statistical Methods Office.
Exercícios
1. Complete um Formulário de Planejamento de Gráfico de Controle (Figura 25-
7) para uma medida de um de seus processos.
2. Construa e interprete um gráfico de controle para dados de seus processos.
3. Selecione um dos estudos de caso nas páginas seguintes e construa um gráfico
de controle apropriado baseado na situação.
3) O que um gráfico de controle mostra que o Sr. Johnson não notou apenas
olhando para os dados?
1 42 10 106 38
2 36 5 93 24
3 35 12 97 30
4 40 13 104 21
5 38 4 100 33
6 44 9 95 19
7 39 11 105 23
8 40 9 105 29
9 39 6 189 19
10 41 2 195 27
11 43 4 200 17
12 45 6 206 21
13 40 0 205 19
14 37 3 110 9
15 42 5 90 11
16 40 18 96 13
17 38 12 103 9
18 41 15 101 6
Totais 720 144 2300 368
1) O processo de entrega está sob controle para cada uma das empresas de
transporte?
1 4 8 31
2 2 12 44
3 8 6 10
4 3 4 26
5 13 11 49
6 6 7 63
7 7 16 19
8 4 9 28
9 0 5 55
10 5 10 33
11 3 14 35
12 4 8 57
13 7 4 22
14 1 10 7
15 5 13 14
16 2 7 11
17 14 9 19
18 4 15 16
19 7 6 5
20 6 10 8
Totais 105 184 552
2. O que o gráfico de controle nos diz a respeito dos registros de acidentes das
14 maiores empresas de transporte?
3. Dado o sistema atual, as empresas são capazes de não ter mais do que dois
acidentes por milhão de quilômetros?
A 9.3 21
B 4.1 5
C 9.6 22
D 7.8 24
E 8.0 17
F 11.1 22
G 8.6 8
H 8.4 15
I 4.2 5
J 5.0 16
K 5.3 6
L 4.7 11
M 9.2 20
N 6.9 8
Totais 102.2 200
18 17 18
Semana 1 17 20 18
17 18 16
19 16 18
Semana 2
19 17 19
18 16 19
17 16 20
Semana 3
17 18 19
17 19 18
17 21 21
Semana 4
18 22 20
16 22 21
24 21 22
Semana 5
22 21 22
23 22 22
20 20 23
Semana 6
21 22 22
23 22 22
21 21 22
Semana 7
20 21 22
22 21 20
3) Liste algumas das causas especiais que afetariam o gráfico X-barra e liste as
causas especiais que seriam vistas por meio do gráfico R.
Semana Motorista: A B C
1 45 48 48
2 46 46 44
3 41 47 47
4 41 44 45
5 43 50 41
6 41 45 47
7 48 46 46
8 48 44 45
9 49 45 46
10 46 50 44
11 42 46 48
12 42 49 47
13 54 56 49
14 43 44 45
15 42 45 59
16 44 47 44
17 46 51 45
18 44 42 40
19 45 45 46
20 42 47 43
O Gerente de Compras decidiu selecionar algumas das ordens preparadas por cada
agente de compra durante a semana seguinte e revisou essas ordens com relação aos
erros e a estarem completas. Sessenta documentos foram selecionados ao acaso do
trabalho de cada um dos vinte agentes e foram então revisados. As ordens com um ou
mais erros foram identificadas. Os seguintes dados foram obtidos no final da semana:
Dan 5 Bart 4
Hank 0 Linda 1
Ann 2 Judy 3
Bill 6 Helen 9
Mary 7 Larry 8
Dave 5 Ron 4
Fred 8 John 5
Sue 4 Mark 0
Chris 0 Emma 6
Tom 5 Tina 8