Escolar Documentos
Profissional Documentos
Cultura Documentos
vo z d o p ro c e s s o
Ti Ts
M
Méétotoddooss
Cp<1
Cpk<1 EEssta
tatís
tístic
ticooss
m ã o d e o b ra
m á qu in a s
m a te ria is P ro c e s s o
m é to d o s
P ro d u to s/S e rviço s CClie
liennte
tess
m e io a m b ie n te
m e d id a s
idideenntific
tificaaççããooddaass
nneecceessssididaaddeess
eeeexp xpeecctatativa
tivass
in p u t o u tp u t
vo z d o s c lie n te s
Controlo Estatístico do Processo
Sistema de Controlo do Processo
Variação Total
Natural Acidental
FA
C Máquina M.P.não conforme
T Métodos Avaria
O Matéria Prima Desgaste equipa-
R Mão-de-Obra mento
E Meio ambiente Equipamento de
S medida
Controlo Estatístico
do Processo
Controlo Estatístico do Processo
Causas Comuns e Especais
Se causas especiais de
variação estiverem presentes o
resultado do processo não é
estável ao longo do tempo
Controlo Estatístico do Processo
Causas Comuns e Especais
Controlo Estatístico do Processo
Causas Comuns e Especais
Controlo Estatístico do Processo
Variação
Acções Locais:
•Eliminam causas especiais
•Executado por pessoas próximas ao processo
•Podem corrigir cerca de 15 % dos problemas
Controlo Estatístico do Processo
Etapas de um Estudo Estatístico
Recolha de
Dados
Ordenar os
Dados
Sim
É conveniente
agrupar os Dados?
Em intervalos
de classes
Não
Determinar o
centro das
classes
Distribuição de
frequências
Caracterização Representação
numérica gráfica
Análise
Conclusões
Decisões
Controlo Estatístico do Processo
Etapas de um Estudo Estatístico
Controlo Estatístico do Processo
Variáveis: Discretas e Contínuas
5 6 6 3 3 5 5 3
3 7 4 4 6 4 6 4
4 3 7 5 7 4 5 4
4 4 4 4 5 3 4 5
3 5 5 6 4 4 5 3
Controlo Estatístico do Processo
Distribuição de Frequências
Exercicio 1-Resultados
f a = f r =
Controlo Estatístico do Processo
Distribuição de Frequências
Representações Gráficas
Histograma de Frequências
60 frequência
8
8
100
50 7
7
80
6
40 5 5
60 5
30 Velocidade 4
4
40
3
20 20
2
10 0 1
1
Variável Variável
discretas. Contínuas
Controlo Estatístico do Processo
Representações Gráficas - Histograma
Vmax = ; Vmin =
51-10 7
201-500 9
501-1000 10
Controlo Estatístico do Processo
Representações Gráficas - Histograma
Histograma de frequências
Frequência
Média
A média aritmética de uma série de valores é obtida somando todos os valores e
dividindo este pelo nº deles.
x1 + x2 + x3 + x4 + ... + xn
X =
n
Quando os valores se apresentam sob a forma de frequências a fórmula que se
aplica é: X1=valor central do primeiro intervalo
Xn=valor central de cada intervalo
x f + x 2 f 2 + x3 f 3 + x4 f 4 + ... + xn f n
X = 1 1 f1=frequência do primeiro intervalo
f1 + f 2 + f 3 + f 4 + ... + f n
fn=frequência do último intervalo
Controlo Estatístico do Processo
Medidas de Tendência Central
Exemplo:
Pretende-se calcular a idade média dos jogadores de um determinado grupo
de futebol. As idades dos jogadores são as seguintes:
22 21 23 26
23 19 22 27
20 25 25
253
_______________________________________ 23
X = = _______
11 _____________
Controlo Estatístico do Processo
Medidas de Tendência Central
Exemplo:
Pretende-se calcular a média dos alunos de um determinado curso. Os
alunos apresentam as seguintes idades:
Idades Nº de alunos de Soma das idades
frequência (fa) dos alunos (x.f)
21 10
22 35
23 50
24 42
25 30
26 8
x1 f1 + x2 f 2 + x3 f 3 + x4 f 4 + x5 f 5 + x6 f 6
X =
f1 + f 2 + f 3 + f 4 + f 5 + f 6
_______________________________________
X = = _________
_____________
Controlo Estatístico do Processo
Medidas de Tendência Central
Moda
A Moda(Mo) de uma série de valores é o valor da observação que se repete
o maior nº de vezes.
Método de càlculo da Moda
Caso discreto
1º Classificar os dados
2º Determinar as frequências relativas e absolutas
3º Verificar qual a classe que apresenta maior frequência, a moda (classe
modal) é o valor dessa classe.
Exemplo
Em 12 jogos de futebol consecutivos, usou os cartões amarelos. O nº de
cartões amarelos amostrados são os seguintes:
3 5 1 6 9 8 6 6 1 8 3 6
O valor mais frequente é o _____ , logo Mo = _____
Controlo Estatístico do Processo
Medidas de Tendência Central
Caso Contínuo
1º Calcular as frequências relativas ou absolutas de todas as classes
2º Verificar qual a classe que apresenta maior frequência. Chama-se classe
modal
3º Calcular
1
M 0 = l mo + * hmo
1 + 2
Onde : lmo = limite inferior da classe modal
hmo=amplitude da classe modal
1= diferença entre a frequência normalizada da classe modal e a
frequência normalizada da classe anterior.
2= diferença entre a frequência normalizada da classe modal e a
frequência normalizada da classe seguinte
Controlo Estatístico do Processo
Medidas de Tendência Central
Exemplo
Numa maternidade, o consumo diário de leite em pó po cada bebé está
registado na tabela:
Mediana
Caso Discreto
Se n impar: M d = x n +1
2
Se n é par x n / 2 + x n / 2+1
Md =
2
Controlo Estatístico do Processo
Medidas de Tendência Central
Exemplo
(22+23)/2
Considerando a série ordenados de valores: =22,5
n é par, visto ter 10 observações:
19 20 21 22 22 23 23 25 26 27
x __ + x __/ 2+1
xn / 2 + xn / 2+1 ____+ ____ ___+ ___
Md = = 2
= = =
2 2 2 2
N é ímpar , visto ter 9 observações
• 20 21 22 22 23 23 25 26
M d = x n +1 = x __ +1 = x = 23
2 2
Controlo Estatístico do Processo
Medidas de Tendência Central
Caso Contínuo
A mediana é o valor de x tal que F(x) = 50%
Total 25 1
160+(0,5-0,36)/0,28*5 =162,5
Controlo Estatístico do Processo
Medidas de Dispersão
Amplitude
É a diferença entre o valor máximo e o mínimo da distibuição, e representa-se
por R.
R = X max − X min
Nota: Esta medida não é sensível aos valores intermédios que constituem a
distribuição.
Controlo Estatístico do Processo
Medidas de Dispersão
Exemplo
Rendo em conta os seguintes valores:
19 23 22 20 21 23 25 22 26 22 22 27
R = __ - ___ = ____
Desvio Padrão
É a raiz quadrada do quociente entre a soma dos quadrados das
distâncias de cada valor à média e o número de valores dado.
Desvio Padrão da Amostra
( x1 − X ) 2 + ( x2 − X ) 2 + ( x3 − X ) + ... + ( xn − X ) 2
S=
n −1
Desvio Padrão da População
( x1 − X ) 2 + ( x2 − X ) 2 + ( x3 − X ) + ... + ( xn − X ) 2
=
n
Controlo Estatístico do Processo
Medidas de Dispersão
( x1 − X ) 2 f1 + ( x2 − X ) 2 f 2 + ( x3 − X ) 2 f 3 + ... + ( xn − X ) 2 f 3 )
S=
f1 + f 2 + f 3 + ... + f n
fi=frequência absoluta
f i * x'i2 − N * x
2
Distribuição Normal
A maior parte dos Processos Industriais seguem uma distribuição Normal
-1S +1S
- 2S + 2S
- 3S + 3S
- 4S + 4S
Controlo Estatístico do Processo
Distribuições Estatísticas
− 2
Distribuição Normal Reduzida
z2
1 −
f (Z ) = e 2
2
Controlo Estatístico do Processo
Distribuições Estatísticas
Z → N (0;1)
?
Z → N (__; __ __ )
67 70
A percentagem de sacos cujo peso é inferior a 67 Kg vai ser dada pela probabilidade
da variável X ser inferior a 67
b) é superior a 78 Kg. ?
70 78
__ − __
P( X __ ) = 1 − P Z = 1 − P (Z __ ) = 1 − (__) = 1 − ____ =
__
_____ − ____ % ?
c) é superior a 68 Kg e inferior
a 80.
68 70 80
__ − __ __ − __
P(__ X __ ) = P( X __) − P( X __) = P Z − P Z =
__ __
= P( Z __) − P(Z − ___) = (_) − (___) = _____− ____ = ____ -> ____%
Controlo Estatístico do Processo
Distribuições Estatísticas
A “marcação” da recta faz-se pelos pontos extremos, e recta deverá passar pelos
pontos centrais onde a concentração da população é mais forte.
-1S +1S
- 2S + 2S
- 3S + 3S
- 4S + 4S
10 horas
9 horas
8 horas
7 horas
Controlo Estatístico do Processo
Cartas de Controlo por Variáveis Contínuas
Controlo Estatístico do Processo
Cartas de Controlo por Variáveis Contínuas
Assim os limites de controlo tal como foram definidos por Shewart são:
x
LSC = x + 3*
n
x
LIC = x - 3*
n
Controlo Estatístico do Processo
Cartas de Controlo por Variáveis Contínuas
2
E( x) = ; V( x) = ; D( x) =
n n
Controlo Estatístico do Processo
Cartas de Controlo por Variáveis Contínuas
DATA
HORA
1
VALORES 2
3
MEDIDOS 4
5
MÉDIA X
VARIAÇÃO R
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
LSCX =
MÉDIAS
X=
LICX =
VARIAÇÃO
LSCR
= R
Controlo Estatístico do Processo
Cartas de Controlo por Variáveis Contínuas
X =
x i
R = x max − x min
n
2ª Etapa – Cálculo dos limites de Controlo
a) Estimação da média e do desvio padrão
N 2 3 4 5 6 7 8 9 10
s R
sx = sx =
n d2 n
b) Cálculo dos limites de Controlo
LSC = X + 3 x LIC = X − 3 x
3 3
LSC = X + R LSC = X − R
d2 n d2 n
LSC = X + A2 R LSC = X − A2 R
Controlo Estatístico do Processo
Cartas de Controlo por Variáveis Contínuas
n 2 3 4 5 6 7 8 9 10
LSC = D4 R LSC = D3 R
N 2 3 4 5 6 7 8 9 10
Médias
Carta de Controlo das Médias Carta de Controlo da Amplitude
2,80
Amplitude
0,80 LSC
LSC
2,60 0,60
X 0,40
R
2,40
0,20
2,20
LIC 0,00 LIC
1 2 3 4 5 6 7 8 9 10 11 12 13 1 2 3 4 5 6 7 8 9 10 11 12 13
nº amostra nº amostra
Controlo Estatístico do Processo
Cartas de Controlo por Variáveis Contínuas
Valores
observad
os
N.º da
n1 n2 n3 n4 X R
amostra
1 2,35 2,30 2,57 2,55 X = (x 1 + x 2 + x 3 + x 4 )
4
2 2,55 2,35 2,48 2,75
Limites de Controlo
Recalcular Limites de Controlo
•No estudo inicial, quando estamos na presença de causas especiais de variação
•Deve-se excluir os pontos fora de controlo e recalcular os limites, após
eliminação das causas que deram origem ao descontrolo.
•Se forem muitos pontos, deve-se recorreer a um novo estudo. Nova série de
amostragens.
•Quando retiramos um valor de um subgrupo, o valor correspondente no outro
gráfico deve ser retirado.
Extensão dos Limites de Controlo para o Controlo Contínuo
•Qd os dados iniciais são consistentes, estender os limites para cobrir períodos
futuros.
•Se, no entanto, houver evidência que a média ou a amplitude do processo tenha
mudado (em uma ou outra direcção), as causas deveriam ser determinada e, se a
mudança é justificável, os limites de controlo ser recalculados baseados no
desempenho actual.
Controlo Estatístico do Processo
Estudos de Capacidade do Processo
Mau Cp Bom
Processo não Processo não
capaz capaz
Mau Ajuste ou A média
alteração precisa de ser
Ferramenta ajustada
CpK
Processo
capaz
Não é
Bom possível
e bem
ajustado
Controlo Estatístico do Processo
Estudos de Capacidade do Processo
2)Cp=1
Nesta situação a amplitude da especificação e a dispersão do processo estão
coincidentes. Este tipo de situação não é aconselhável, pois qualquer pequena
variação no processo fará com que se começe a produzir fora de
especificação.
3) Cp>1
Nesta situação a amplitude da especificação é superior à dispersão do
processo, logo, pode-se concluir que “tudo” o que se produz está dentro da
especificação.
Capacidade do Processo
Faz a avaliação de como o processo é capaz de produzir de acordo com as especificações, em
termos de dispersão e localização.
O índice de capacidade do processo é dado pelo menor valor obtido entre as duas expressões
seguintes:
Controlo Estatístico do Processo
Estudos de Capacidade do Processo
X − LIE LSE − X
Cpk= min ,
3 3
sendo = desvio padrão estimado da população
R
= sendo d2 uma constante que depende do tamanho da amostra
d2
= Variação Inerente ao Processo – Variação do processo devido somente às causas comuns.
Esta variação pode ser estimada das cartas de controlo
Controlo Estatístico do Processo
Estudos de Capacidade do Processo
Após o cálculo de Cpk podemos obter 3 situações diferentes descritas nas figuras seguintes:
LIE LSE
X
Cpk > 1,33
Processo dentro
das especificações.
Processo capaz
LIE LSE
X Cpk = 1
Processo
coincidente com a
especificação
LIE LSE
LSE -X
-3 -3
A capacidade do Processo, só pode ser determinada pela aplicação de
cartas de controlo e por processamento de dados, como a seguir se indica:
•- Recolha de dados
•- Elaboração das cartas de controlo
•- Cálculo dos limites de controlo respeitantes ao funcionamento do
processo
•- Avaliação e confirmação da estabilidade do processo
•- Cálculo dos índices
Na eventualidade de não se poder demonstrar a estabilidade(ausência de
causas especiais), não se permite o cálculo dos índices.
Controlo Estatístico do Processo
Estudos de Capacidade do Processo
CpK PPM
1,0 1500-3000
1,33 32-64
1,66 0,3-0,6
i =1 n −1
x
em que: - leituras individuais ;
i x - média das leituras individuais ; n= nº total de
leituras individuais
Índices de Desempenho
Pp: é o índice de desempenho que é definido amplitude da especificação dividida por 6 :
s
Pp =
LSE − LIE
6 s
Controlo Estatístico do Processo
Estudos de Capacidade do Processo
Pp : é o índice de desempenho que entra em conta com a centragem do processo dividida por
6s: É definida como o mínimo de
X − LIE LSE − X
,
3 s 3 s
Os índices de desempenho servem para verificar se o meu processo mesmo sendo instável é ou
não capaz. Logo a condição de capacidade é: Ppk>1,33.
Controlo Estatístico do Processo
Estudos de Reprodutibilidade e Repetibilidade
p(1 − p) p(1 − p)
LSC = p + 3 LIC = p − 3
n n
Controlo Estatístico do Processo
Cartas por Atributos
2) LSC = c + 3 c LIC = c − 3 c
Controlo Estatístico do Processo
Cartas por Atributos
u u
LSC = u + 3 LIC = u − 3
n n