CAPITULO IL- Segoe C ocmulas das Caras de Controle Carta do Numero de Nao Conformidades (Carta np) Restriga Exige um tamanho de subgrupo constante = n Orientagao: ‘Como 08 limites de controle se baseiam em uma aproximagio normal, o tamanho da amostra deve ser determinado de forma que np>5 Valor Individual: np, n=niimero de pecas inspecionadas; np = ndimero de itens nao-conformes encontrado Média dos Valores Individuais: p= Mt Caracteristicas da Carta: Linha Central Limites de Controle: LC,= mp LSCy = np +3\np—"P) = np +3 mp B) a ier np-3, Laie p—3ynp—"" LIC, np ~3y np(\-p) Exemplos de Uso: # Accitar/Rejeitar Decisdes com tamanho de subgrupo constante Y- Resultados da First Time Quality (FTQ) ¥ Niimero de no conformidades Y._Niimero de conformidades Y Niimero de itens acima (ou abaixo) de um valor limite * Decisées de Julgamento ¥- Niimero de itens dentro de uma categoria especificada ¥ Niimero de itens acima (ou abaixo) de um valor de limite ¥ Niimero de vezes em que uma condi¢go ocorre 93CAPITULO II - Segio C Pérmulas das Cartas de Controle aware an Ye eon Sheena Toe 2y6K vost osoLn bein PaOBU ‘5000 ‘epopu _810pu L060 | T upny »900 Figura II.19: Carta do Numero de Nao Conformidades por UnidadeCAPITULO IL Segio C Formulas das Cartas de Controle Carta do Numero de Nao Conformidades por Unidade (Carta u) Orientacéo: ‘Como os limites de controle se baseiam em uma aproximagio normal, o tamanho da amostra deve ser suficientemente grande para que o mimero de subgrupos com ¢ = 0 seja pequeno. Valor Individual: cc, = nlimero de ndo-conformidades encontrados na amostra i: n, = € 0 tamanho da amostra Média dos Valores Individuais: iy ty tant My k Caracteristicas da Carta: Linha Central Limites de Controle LSC, “i waa fe Para os limites de controle constantes quando o tamanho da amostra varia (nas situagdes em que ™" > 0.75 ) max m, Limites de Controle: Vi isc, =74+ 38 +35 Ia amostra) van n (7 = tamanho médio da amostra) Exemplos de Usos: ‘* Accitar/Rejeitar Decisdes com niimero de itens por unidade varidvel ¥- Taxas de qualidade para designagio de unidade especificada ¥- Neimero médio (taxa) de ndo conformidades por unidade ¥ Niimero médio (taxa) de itens dentro de uma ou mais categorias © Decisdes do Julgamento ¥ Niimero médio (taxa) de itens dentro de uma ou mais categorias ¥ Niimero médio (taxa) de itens acima (ou abaixo) de um valor limite por unidade 95Rérmulas das Cartas de Controle CAPITULO II - Selo C aS A] emer | LL ree i DEV SLTIEETLE PLO LENS WAS USE 6) meneame Figura 11.20: Carta do Numero de Nao Conformidades 96CAPETULO Il - Seg C Férmulas das Cartas de Controle Carta do Numero de Nao Conformidades (Carta c) Rest Exige um tamanho de subgrupo constante = 1 Orientagao: Como os limites de controle se baseiam em uma aproximagio normal, a amostra usada deve ser suficientemente grande para que 0 niimero de subgrupos com c = 0 seja pequeno. Valor Indiv ndmero de ndo-conformidades encontrados na amostra; i ‘Média de Valores Individuais: Hep tent Oy k k= niimero de amostras Caracteristicas da Carta: Linha Central Limites de Controle LC LSC, =e +3NE LIC, =@-3Ne Exemplos de Usos: © Accitar/Rejeitar Decisdes com um niimero de itens por unidade constante ¥_ Nivel de qualidade para a designagaio de unidade especificada ¥__Niimero total de nao conformidades por unidade ¥ Niimero total de itens dentro de uma ou mais categorias * Decisdes do Julgamento ¥ Numero total de itens dentro de uma ow mais categorias por unidade ¥-_Niimero total de itens acima (ou abaixo) de um valor limite por unidade Y Niimero total de vezes em que uma condigdo ocorre dentro de uma unidade 97CAPITULO II- Sega0C Formulas das Cartas de Controle Esta pégina foi intencionalmente deixada em branco 98.CAPITULO III Outros Tipos de Cartas de Controle 99CAPITULO IL ‘Outros Tipos de Cartas de Controle CARTAS DE CONTROLE Limite Superior de Controle Linha Central Limite Inferior de Controle 1. Coleta de Dados * Coletar os dados e marca-los em uma carta de controle. 2. Controle * Calcular os limites de controle de teste a partir dos dados do processo * Identificar as causas especiais da variagao e tomar as medidas necessarias 3. Andlise e Melhoria * Quantificar as causas comuns de variagao; tomar as medidas necessarias para reduzi-las. Essas trés fases se repetem para a melhoria continua do processo. Figura Ill.1; Cartas de Controle 100cAaPfTULO uteos Tipos de Cartas de Controle Introdugao Existem varios tipos de cartas de controle, além daquelas que foram discutidas nos capitulos anteriores. A maioria dessas cartas foi desenvolvida para situagdes ou condigdes especificas de processo que podem afetar 0 uso ideal das cartas de controle padrao. Abaixo apresentamos uma breve descrigéo das cartas mais comuns. Essa descrigao define as cartas, discute a oportunidade em que elas devem ser usadas e relaciona as f6rmulas associadas 2 carta quando necessério. Para obter outras informagGes sobre essas ¢ outras cartas, consulte um texto de referéncia que trate especificamente desses tipos de cartas de controle. Cartas com Base em Probabilidades SSF vero - 7 Amarelo Verde [As cartas com base em probabilidades pertencem a uma classe de cartas, de controle que utiliza dados categorizados e as. probabilidades relacionadas as categorias. A analise dos dados categorizados em geral utiliza a distribuigdo binomial, multinomial ou distribuigao de Poisson. Os exemplos dessas cartas incluem as cartas para atributos que foram discutidas no Capitulo TI, Segdo C. As cartas para atributos usam as categorias "bom' e “ruim" (por exemplo, de conforme e nio-conforme), Entretanto, no hé nada inerente em nenhuma dessas formas (ou em {quaisquer outras formas) que exija que uma ou mais categorias sejam "ruins" problema é que os usuérios tendem a aplicé-las por comparagio, ¢ nao por conhecimento. Isso é mais uma falha de profissionais e professores do que de alunos. Existe a tendéncia de tomar o caminho mais fécil, usando exemplos tradicionais (e estereotipados). Isso leva & falha de percepcao que os profissionais da érea de qualidade ja tiveram (ou foram forgados a ter) sobre a filosofia da tolerncia, ou seja, fazer como "esté impresso" (ou “suficientemente préximo"), Controle de Semaforo Com as cartas de controle de seméforo, a centralizagdo e a variagdo do processo so controladas usando uma carta, A carta controla o ntimero de pontos dos dados da amostra em cada uma das categorias designadas. Os ‘ritérios de decisio se baseiam nas probabilidades esperadas para essas categorias. Um cenéio tipico seria dividir a variagiio do proceso em trés partes: tengo baixa, alvo, atengao alta. As éreas fora da variago esperada para © processo (64°) sio as zonas de parada. Um procedimento de controle simples mas efetivo como esse & 0 controle de seméforo, que € uma técnica de semi-variiveis (mais de duas categorias) que usa a amostragem dupla, Nessa abordagem a rea alvo é designada como verde, as dreas de aviso sfo amarelas e as zonas de parada so vermelhas. (Ouso dessas cores originou o nome de *semséforo" 101‘CAPITULO TI ‘Ouitos Tipas de Cartas de Controle Pare A a LE LIE Pare Atengao j Alvo - } ‘Atengao ‘ Pare LSE LSE v ’ Figura Ill,2: Controle de Semaforo Com essa categorizagio, 0 processo pode ser controlado pela identificagao e pelo gréfico da proporeao de pontos de dados designado como “atengo" dentro de uma amostra. A alocagio (% de atengio) controla 0 tamanho da amostra e a freqliéncia necessaria. Obviamente, isso. s6 permite 0 controle do processo se a sua distribuigdo for conhecida, A quantificagdo e a andlise do processo exigem dados do tipo varidveis. A utiizagdo principal desta ferramenta ¢ de detectar mudangas no proceso (causas especiais de variago). Ou seja, esta é uma ferramenta apropriada apenas para as atividades do estégio 2". Como implementacao bésica, 0 controle de seméforo ndo exige cileulos © nenhuma plotagem e, portanto, sua implementacdo & mais fécil do que a dds cartas de controle. Como divide a amostra total (por exemplo, 5) em uuma amostragem de dois estégios (por exemplo, 2, 3), esta abordagem pode sinalizar condigdes fora de controle com eficiéncia igual ou methor 4 de uma carta de controle para o mesmo tamanho total da amostra (ver Heaphy e Gruska (1982). Embora 0 desenvolvimento desta técnica esteja totalmente fundamentado na teoria estatistica, ela pode ser implementada e ensinada no nivel do operador, sem envolver célculos matematicos * Consultar 0 Capitulo I, Segio F. 102Proesese do Contguaga Prod, Norma Soiee.2 verde? Inperentar aun gin “Pld vem? near Seleconar Sous ‘gun 35 CAPITULO TI ‘Outros Tipos de Cartas de Controle As hipéteses do controle de set * O processo esti sob controle estatistico. © O desempenho do processo (incluindo a variabilidade da medigiio) € aceitavel, © O proceso esti no alvo. Depois que as hipdteses sio verificadas por um estudo de desempenho do processo usando técnicas de dados do tipo varidveis, a distribuigao do processo pode ser dividida de forma que os desvios padrio. médios + 1.5sejam rotulados como a frea verde, e o restante da érea dentro da distfibuicdo do processo fique em amarelo, Toda a rea fora da distribuigdo do processo (a faixa de 99.73%) € rotulada com vermelho. Se a distribuigao do processo seguir a forma normal, aproximadamente 186, 6% da distribuigao estard na dea verde, 13,2% estard na area amarela e 0.3% estaré na area vermelha. Condigdes semelhantes podem ser estabelecidas quando a distribuicdo & considerada nao normal Para controle equivalente as cartas X and R com um tamanho de mostra de 5, as etapas para o controle de semaforo podem ser resumidas dda seguinte maneira 1, Verificar 2 pegas; se ambas as pecas estiverem na érea verde, continuar a exeeugao 2, Se uma ou ambas estiverem na zona vermelha, pare 0 processo, notifique a pessoa designada para que tome a ago corretiva e separe © material. Quando a configurago ou outras’corregdes estiverem prontas, repita a etapa no. 3, Se uma ou ambas estiverem em uma zona amarela, verifique outras trés pecas. Se alguma das pecas estiver em uma zona vermelha, pare © proceso, notifique pessoa designada para que tome a ago corretiva e separe o material. Quando a configuragio ou outras corregdes estiverem prontas, repita a etapa no. ¥ Se nenhuma pega ficar em uma zona vermelha, mas trés ou mais estiverem em uma zona amarela (de 5 peas), pare 0 processo, notifique a pessoa designada para que tome a ago corretiva. Quando a configuragdo ou outras corregdes estiverem prontas, repita a etapa no. 1 ¥ Se ts pegas ficarem em uma zona verde ¢ o restante estiver na zona amarela, continue a execugio. ‘As mediges podem ser feitas com as varidveis, assim como a calibragdo ddos atributos. Determinados ealibradores de varidveis, como indicadores de mostrador ou colunas eletrOnicas a ar so mais adequados para esse tipo de programa, uma vez que o fundo do rel6gio pode ser codificado ‘com cores. Embora nao seja necesséria nenhuma carta ou grifico, os erificos sio recomendados, especialmente sendo possivel a existéncia de fendéncias sutis (mudangas em um perfodo de tempo relativamente Jongo) no processo. Em qualquer situago de tomada de decisio existe o risco de tomar uma decisao errada. Com a amostragem, os dois tipos de erros sao: * A probabilidade de chamar o provesso de ruim quando na verdade ele & bom (taxa de alarmes fals0s) + A probabilidade de chamar o processo de bom quando na verdade ele € roim (taxa de erro) 103,‘CAPITULO TIL Outros Tipos de Cartas de Controle Além dessas duas medidas, a sensibilidade do plano de amostragem pode ser quantificada. A sensibilidade se refere & capacidade do plano de lamostragem detectar condigées fora de controle devido ao aumento das variagdes ou mudangas da média do processo. ‘A desvantagem do controle de seméforo € que ele tem uma taxa de alarme falso mais alta do que uma carta X and R de um mesmo tamanho de amostra total. ‘A vantagem do controle de seméforo € que ele ¢ to sensivel quanto a carta X and R de um mesmo tamanho de amostra total (Os usuétios tendem a aceitar os mecanismos de controle com base nesses tipos de dados devido a facilidade da coleta de dudos e da andlise. O foco esté no alvo e niio nos limites da especificacao e, portanto, esses mecanismos so ccompativeis coma filosofia do alvo e com a melhoria co Pré-Controle ‘Uma aplicago da abordagem do controle de semiéforo com a finalidade de controle de ndo-conformidade, em vez de controle do processo chami-se Pré-controle. Ele se baseia nas especificagies ¢ no na variago do process Suas origens podem remontar ao trabalho de Frank Satterthwaite da Rath & Strong na Jones & Lamson Machine Company em 1954." As hipéteses do pré-controle sio: © © processo tem uma fungio perda plana (consulte a segao sobre Fungi Perda no Capitulo IV). ‘© O desempenho do processo (incluindo a variabilidade do sistema de ‘medigo) € menor do que ou igual & tolerancia. A primeira hipétese significa que todas as fontes especiais de variagdo do process esto sendo controladas. A segunda hipétese declara que 99.73% das pegas que esto sendo produzidas estio dentro da especificagio, inspegao e classificagio de pegas. Se as hipéteses acima forem atendidas, a tolerdncia pode ser dividida para que a Tolerdncia Nominal de + % seja rotulada como a drea verde © © restante da drea dentro da especificagio seja amarela. A area fora das especificagdes € rotulada como vermelha. Para um processo que ¢ normal com C, C, igual a 1,00, aproximadamente 86,6% das pecas estio na drea verde, 13,2% esto na drea amarela e 0,3% estio na area vermelha. Seria possivel fazer célculos semelhantes se a distribuiglo fosse nao normal ou altamente capaz. ‘A amostragem de pré-controle utiliza um tamanho de amostra dois. Entretanto, antes de iniciar a amostragem, 0 processo deve produzir 5 pecas consecutivas na zona verde. Cada um dos dois pontos de dados ¢ ‘marcado na carta ¢ revisado de acordo com um conjunto de regras. 2 Consultar Bhote (1991) ¢ ASQ Statistics Newsletter Vol 05 No 2 fevereiro de 1984. 104CAPITULO TIL Outeos Tipos de Cartas de Controle 4 a Nom - % Tol |} LIE Nom - % Tol UE Nom - % Tol Nom - % Tol Nominal Nominal Nom + % Tol Nom + % Tol Nom + ¥% Tol ] LSE Nom + % Tol LSE Figura Ill.3: Pré-Controle As seguintes regras devem ser usadas com um pré-controle, '* Dois pontos de dados na zona verde — continue executando 0 pracesso, ‘* Um ponto de dados na zona verde e um ponto de dados na zona amarela — continue executando o processo. * Dois pontos amarelos consecutivos (mesma zona) — ajuste 0 proceso ‘* Dois pontos amarelos consecutivos (zona oposta) — pare o processo e investigue ‘Um ponto de dados vermelho — pare o proceso e investigue Sempre que processo € ajustado, antes de comegar a amostragem, 0 processo deve produzir 5 pegas consecutivas na zona verde © pré-controle ndo é uma carta de controle de processo, mas uma carta de controle de nio-conformidade e, portanto, € preciso tomar muito cuidado quanto 20 modo como essa carta é usada e interpretada. As cartas de pré-controle nao devem ser usadas quando 0 C,, Cyc € maior do que um ou do que uma fungdo perda que nfo € plana dentro das especificagdes (consulte 0 Capitulo IV),capfruLo tm Gutros Tipos de Cartas de Controle Fungées Perda 4 UE LSE LE Ls! ‘Alvo Alvo Funcdo Perda "Plana" Funcdo Perda Sensivel ‘A vantagem do pré-controle ¢ sua simplicidade. A desvantagem do pré- Controle é que os diagnésticos em potencial que estao disponiveis para ‘0s métodos de controle de processo normais nao esto disponiveis para © pré-controle. Além disso, 0 pré-controle nao avalia nem monitora a estabilidade do processo. O pré-controle é uma ferramenta com base na compatibilidade e nao uma ferramenta de controle do processo. 106CAPETULO TIL Outros Tipos de Caras de Controle Cartas de Controle para Pequenos Lotes As abordagens da carta de controle padtro so adequadas para seqiiéncias de produgio longas. Entretanto, existem processos que s6 prodzem um rnimeto pequeno de produtos durante uma tinica seqiiéncia (por exemplo, trabalhos da fabrica). Além disso, 0 foco crescente no inventario just-in-time (JIT) e 0s métodos "lean” de manufatura esto levando as seqiiéncias de produgio a se tomiarem mais curtas. Sob a perspectiva comercial, a produgao de grandes lotes de produtos vrias vezes por més ¢ a sua manutengao em inventério para distribuigao posterior pode levar a custos desnecessirios que podem ser evitados. Os fabricantes agora esto passando para o JIT ~ a produgio de quantidades menores de modo mais frequentes para evitar os, custos da manutengio de "trabalho em andamento" ¢ inventério. Por exemplo, no passado, seria satisfatério fabricar 10.000 pegas por més em lotes de 2.500 por semana, Atualmente, a demanda do cliente, os métodos, flexiveis de manufatura e os requisitos do JIT podem levar a fabricagao & expedigdio de apenas 500 pecas por dia, Para atingir as eficiéncias dos processos para pequenos lotes é essencial que os métodos CEP. possam verificar se 0 proceso estd verdadeiramente sob controle estatistica, ou seja se ele & previsivel, © se pode detectar a variagdo devida a causas especiais durante esses, ‘pequenos lotes' Wheeler (1991) descreve quatro requisitos para um ‘operagao do proceso que ¢ essencial para a concorrénei a. 0 processo deve ser inerentemente estavel ao longo do tempo b. O proceso deve ser operado de forma estivel e consistente A meta do processo deve ser definida e mantida ao nivel adequado 4. Os Limites Naturais do Processo devem estar dentro dos limites da cespecificacao" ‘Estado Ideal" da nessa érea: E possfvel criar cartas de controle efetivas mesmo com quantidades pequenas de dados. As cartas orientadas para pequenos lotes permitem que uma tinica carta seja usada para 0 controle de varios produtos. Existem imimeras variagdes sobre, esse tema. Entre as cartas para pequenos lotes mais descritas e a, Diferenga ou Desvio da carta Nominal (DNOM) X &R. Os processos de produgao para pequenos lotes de diferentes produtos podem se caracterizar facilmente em uma tinica carta pela pela marcagdo na carta das diferengas existentes entre a medigao do produto € seu valor alvo, Essas cartas podem ser aplicadas tanto as medicdes individuais quanto aos dados agrupados. ” E preciso tomar cuidado quando os subgrupos so formados de populacées pequenas ou quando eles sdo medigdes feitas em perfodos longos (consulte o Apéndice A). Wheeler (1991) discute a avaliagao dos dados com uma carta de Valores Individuais e Amplitude Mével (I ¢ MR) para garantir que as informagdes importantes sobre 0 comportamento do processo no sejam mascaradas pela formagao de subgrupos. 107capfruLo mt (Outros Tipos de Cartas de Controle — Carta DNOM para Pecas dos Tipos 760, 622 © 937 Figura Ill.4: Carta de Controle DNOM b. Carta padronizada X e R ‘A abordagem DNOM assume uma variagaio comum e constante entre os produtos controlados por uma tinica carta. Quando existem diferencas Substanciais nas variagGes desses produtos, 0 uso do desvio do alvo do processo torna-se problemitico. Nesses casos os dados podem ser padronizados para compensar_ as diferentes médias do produto ¢ a Variabilidade usando uma transformacdo da forma: z=5ot# o Essa classe de cartas as vezes 6 chamada de carta Z ou Zed. Em alguns processos para pequenos lotes, 0 volume total da produgao pode ser pequeno demais para que a formacdo de subgrupos seja Utlizada efetivamente, Nesses casos as medigdes da formagao de grupos podem funcionar ao contrario do conceito do controle do processo e podem reduzir a carta de controle a uma funcao de relatério Ge dados. Mas quando a formagdo de subgrupos @ possivel, as ‘medigdes podem ser padronizadas para acomodar esse caso. c. Cartas de Controle para Atributos Padronizadas [As amostras dos dados para atributos, incluindo aquelas de tamanho varidvel, podem ser padronizadas para que virios tipos de peas sejam tmarcadas em uma Unica carta, A estatistica padronizada tem a forma Diferenga da Média Desvio Padrao Por exemplo, uma estatistica u para a taxa de defeitos deve ser padronizada como: uu Zz Zz fain Este método também se aplica as cartas mp, p, ¢ € U. 108CAPITULO IIT ‘Outros Tipos de Cartas de Controle Consulte Farum (1992), Juran e Godfrey (1999), Montgomery (1997), Wheeler (1991) € Wise ¢ Fair (1998) para obter discussdes detalhadas e exemplos das apticagGes de curto prazo. Cartas para Detectar Pequenas Mudangas Existem situagdes nas quais pequenas mudangas na média do processo podem causar problemas. As cartas de controle de Shewhart podem nao ser Suficientemente sensfveis para detectar essas mudangas, por exemplo, menos de I,5a. As duas cartas altemativas discutidas aqui foram desenvolvidas para melhorar a sensibilidade da detecgio de pequenas, excursdes na média do processo. Embora a carta tipica de Shewhart use apenas as informagdes oferecidas pela maioria dos pontos datum recentes, as cartas da Soma Cumulativa (CUSUM) e da Média Mével Exponencialmente Ponderada (MMEP) exploram as informagoes disponiveis nos dados acumulados € hist6ricos. Consulte Montgomery (1997), Wheeler (1995) e Grant ¢ Leavenworth (1996) para obter as discusses aprofundadas sobre esses métodos comparagdes com as regras de detece2o suplementar para ampliar a sensibilidade da carta de Shewhart para mudangas pequenas no processo. Carta CUSUM (Soma Cumulativa) Uma carta CUSUM marca a soma cumulativa dos desvios de médias sucessivas da amostra a partir de uma especificagao alvo, para que mesmo as pequenas mudangas permanentes (0,5 sigma ou abaixo) na média do proceso sinalizem eventualmente a ocorréncia de uma mudanga, Nas mudangas maiores, as cartas de controle de Shewhart so to efetivas quanto a CUSUM ¢ exigem menos esforco, Essas cartas so usadas com maior freqiléncia para monitorar processos continuos, como na indiistria quimica, onde pequenas mudangas podem ter efeitos significativos, | |‘CAPITULO IIL ‘Outros Tipos de Cartas de Controle Carta UMR pat ‘A carta CUSUM avalia a inclinagdo da linha marcada. Uma ferramenta sxifica (mascara V) é sobreposta 2 carta com um deslocamento com rela Finha we referéncia vertical a partir da origem de V passando através do tukimo ponto marcado (consulte a Figura 1115), O deslocamento ¢ 0 angulo ___ dos bragos so as fungées do nivel desejado de | sensibilidade is mudangas do processo. Uma condigao fora de controle (por exemplo, uma | mudanga signficaiva no processo) € indicada | quando os pontos marcados anteriormente ficam fora | dos bragos da mascara V. Essex bragos assuniem © | jugar dos limites superior e inferior de controle. A carta da Figura ILS indica uma mudang no processo ocorrida mais ou menos na €poca da Emostra 14 ou 15. Devido a natureza dessa cara, fa mudanga ndo foi detectada até que a amostra 23, fosse marcada, Quando a midscara Voi posicionada em pontos de dados anteriores, todas a 4s amostras ficaram dentro dos limites de controle @, portanto, nio houve indicagao de uma situagao fora de controle. Comparativamente, uma marcagdo das cattas de Valores Individuais ¢ Amplitude Movel (X, MR) para os mesmos dados (Figura I1L0) nae detecta a mudanga de processo até a amostra 27, Espessura de Revestimento Valor individual 901.0596 ieosme g 49 ~0.1024 i .“ | 1” ow ves | Pa Figura Ill.6: Carta X, AM {Uma carta CUSUM tabular € uma altemativa para a abort miscara V. Consulte Montgomery (1997) para obter uma discussao sobre esse procedimento. 110CAPETULO TIT ‘Outros Tipos de Cartas de Conteole Cartas MMEP (Média Mével Exponencialmente Ponderada) Uma carta MMEP marca as médias méveis dos dados passados e atuais cujos valores da média recebem pesos que diminuem exponencialmente a partir do presente até o passado."” Consequentemente, os valores da média sio mais influenciados pelo desempenho recente do proceso." A média mével exponencialmente ponderada é definida pela equagio: Zax, +(I-A)z, onde 46 a constante ponderada 0< hot 16 um numero de indice (1-1...) x, @ 0 valor da amostra atuall © 2,6 a média mével ponderada atual Um valor inicial z deve ser estimado para iniciar 0 proceso com a primeira amostra. io recursiva, sucessivos valores de Z, podem ser determinados a partir da equagio: SAL (1-ay x +(1-ay a para0 1. a relagao do indice de capabilidade é dado por: proporcdo de nao-conformidade onde z, =3Cy € Cy = min{CPU, CPL} Da mesma forma, Py.estd relacionado & proporgao de ndo conformidades do desempenho por meio de: z, =3P x Com essa compreensio de Cy, € Pye indices para distribuicdes nio normais podem ser desenvolvidos com as mesmas relagGes entre o indice € a proporgao de nao conformidades do processo. ‘A determinagao desses indices para as distribuigdes néo normais exige tabelas extensas ou o uso de técnicas iteralivas de aproximagao. Raramente eles so calculados sem 0 auxilio de um programa de computador. Distribuigdes Nao Normais Usando Transformacoes Uma abordagem é transformar a forma da curva de distribuigao mio normal em uma forma da curva de distribuigdo que € (préxima da) normal. A especificagio também é transformada com os mesmos pparimetros. Em seguida, os indices Cx, € Ppx Sio determinados na curva * Como foi discutido no Capitulo I, Segao A, a andlise do processo exige que os dados tenham sido coletados usando um sistema ou sistemas de medigdes que sejam consistentes com o processo € tenham caracterfsticas accitaveis do sistema de medi 0. 140CAPITULO IV - Segio B Descrigdo de Condigdes de distribuigio transformada usando célculos padréo com base na distribuigao normal. Duas abordagens gerais de transformagao que ganharam apoio so: + Transformagoes de Box-Cox Os métodos de anélise de delineamento de experimentos so " apropriados e eficientes quando os modelos s20 (a) estruturalmente ‘adequados € 0s erros (supostamente independents) (b) tém variagdo constante ¢ (¢) 880 normalmente distribuidos.* Box ¢ Cox (1964) discuticam uma transformagao que atende de forma razodvel todos, ‘esses trés requisitos. Essa transformagao € dada por: onde -5SAS5 e 2. =0 para a transformagao lognormal 4.=0.5 para a transformagio de raiz.quadrada Embora essa transformagao tenha sido desenvolvida com foco na anélise de experimentos criados, ela encontrou uma aplicacio na transformagio dos dados do processo para a normalidade. + Transformagdes de Johnson Em 1949, Norman L. Johnson desenvolveu um sistema de transformagdes que resulta na normalidade aproximada."* Esse sistema € dado por: - Vinculado (Tex). Ss [WF log (x) Lognormal T | | Desvinculado ‘Como no caso da Familia Pearson de distribuigdes (ver absixo), esse sistema de curvas abrange todas as formas de distribuigdes unimodais possiveis, ou seja, ele cobre todo o plano possivel de skewness-kurtosis. Ele também contém uma forma limite da distribuigao lognormal conhecida, Entretanto, no caso geral, as curvas de Johnson sio fungdes de pardmetro. * Box, G. E. P., Hunter, W. G., e Hunter, J. S., Statistics for Experimenters, John Wiley and Sons, Nova Torque, 1978, pag. 239. Consulte Johnson (1949), 141CAPITULO IY - Sesto B Descrigio de Condigoes Distribuigdes Nao Normais Usando Formas Nao Normais |As formas no normais modelam a distribuiglo do provesso ¢, em ‘seguida, determinam a proporgao de ndo conformidades, ou seja, a area da distribuigdo nao normal que esti fora da especificagio. Uma abordagem comum da modelagem da distribuigdo nao normal € usar a Familia de Curvas de Pearson, O membro mais apropriado dessa famflia é determinado pelo método de comparagio de momentos, ou seja, ‘curva com skewness (inclinagao-SK) e kurtosis (KU) que coincide com fa curva da distribuigio da amostragem é sada como um modelo para a forma bisica. Como no caso do Sistema de Transformagao Johnson (consulte acima), essa familia de curvas abrange todas as formas de distribuigdes unimodais possfveis, ou seja, ela abrange todo © plano SK- KU possivel Para calcular 0 equivalente no normal do indice Py, a forma no normal (£ (x)) é usada para determinar a proporco de niio conformidades, ou seja, a drea da distribuigdo nao normal fora das especificagdes superior ¢ inferior: p= finde e Pu= jg fede Esses valores sio convertidos em um valor ¢ usando a distribuigto normal padrio inversa. Ou seja, os valores de <_ € zy das seguintes ‘equagdes sao determinados de forma que: Em seguida, Embora o célculo padrio de P,, seja uma boa estimativa, uma estimativa mais exata pode ser encontrada usando a convengiio de que a dispersio do processo & definida como a amplitude que inclui 99,73% da distribuigo (representando a equivaléncia de uma dispersio de distribuigio normal de #30). Os limites dessa amplitude so chamados de “quantil 0,135%" (Qpgory5) € “guantil 99,865%" (Qyonsas)- Ou Seja, 0,135% dos valores da populagiio deve se encontrar tanto abaixo de Qyqoi35 quanto acima de Qy ys” para a forma normal: Qsozs