Conceitos de Graficos de Controle

Universidade Federal de Sergipe
Centro de Ciências Exatas e Tecnologia

Departamento de Engenharia de Produção
Conceitos de gráficos de controle

Isabelly Pereira da Silva
22/10/2019 EPROD0081 – Controle Estatístico da Qualidade 2019.1

Conteúdo
• Variabilidade
• Processo sob Controle/Processo fora de Controle
• Tipos de Gráficos de Controle
• Parâmetros dos Gráficos de Controle
• Correlação de Variáveis
• Amostragem Estratificada
• Subgrupos Racionais
• Etapa Inicial para Construção de Gráficos de Controle
• Estimativas de Média e Desvio
Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Variabilidade
• A variabilidade está sempre presente em qualquer processo onde ocorre a
produção.
• Exemplo: Quantidade de leite em 100 saquinhos de um mesmo lote
• Média = 999,9
• Desvio = 3,48
998,8 994,9 1001 1005,1 1004,8 1006,9 991,3 999,1 1004,4 995,7
35
997,2 993,2 992,6 996,1 996,9 991,5 997,7 998,4 1000,5 998,5
30
998,7 998,5 1005,4 999,7 999,3 997,9 1007,9 1003,5 1009,5 997,4
25
1006,6 993,6 1002,2 1003,6 1007,7 999,7 997,9 1002,7 998,5 1003
20
994,2 996,6 993,9 998,5 999,9 1000,1 998,7 1008,8 993 997,1
15
989,7 1005,8 994,9 997,4 1003 1001,9 1003,5 1003,4 994,5 995,5
1002,8 1001,3 996,2 999,9 1000,5 1002,2 1000,6 996,4 1007,5 1001,9 10
1000,3 1003,3 1003,4 997,5 996,3 1004,4 995,2 993,8 1002,8 1002,6 5
1008,8 1005,8 1005,2 1000,5 1000 1001,8 999,9 995,8 992,9 1003,3 0
988 992 996 1000 1004 1008
1001,8 1002,5 1000,9 995,9 1005 998,8 996,6 996,7 998,3 998,2

Fontes de Variabilidade
• Para analisar todas as possíveis fontes de variação de um processo ou
produto utilizamos uma ferramenta denominada Diagrama de Causa e
Efeito, ou Espinha de Peixe, onde analisamos os "6M"
Matéria Prima Método Meio Ambiente
Efeito
Máquinas Medida Mão de Obra

• Materiais
• Composição, dureza, porosidade, viscosidade, densidade
• Máquinas
• Desgaste, ajustes, flutuações elétricas, hidráulicas e pneumáticas
• Medidas
• Calibração dos instrumentos
Efeito

• Mão-de-obra
• Qualificação, treinamento, condições físicas e emocionais
• Método
• Execução das tarefas
• Meio Ambiente
• Temperatura, umidade, luminosidade
Efeito

Causas de Variabilidade
• Causas comuns/aleatórias
• variações naturais do processo contra as quais nada se pode fazer.
• Causas especiais/assinaláveis
• são modos de operação anormais do processo que podem ser corrigidos ou
eliminados.

Processo Sob Controle

• Um processo é dito sob controle se
apenas as causas comuns de Tempo
variabilidade estão presentes. f(X)
• A saída do processo torna-se previsível. f(X)
f(X)
• A média e o desvio tendem a
permanecerem inalteradas em função f(X)
X
do tempo. X
Valor-alvo

Processo Sob Controle

• Média = 999,9
• Desvio = 3,48
998,8 994,9 1001 1005,1 1004,8 1006,9 991,3 999,1 1004,4 995,7
997,2 993,2 992,6 996,1 996,9 991,5 997,7 998,4 1000,5 998,5 35
998,7 998,5 1005,4 999,7 999,3 997,9 1007,9 1003,5 1009,5 997,4 30
1006,6 993,6 1002,2 1003,6 1007,7 999,7 997,9 1002,7 998,5 1003 25
994,2 996,6 993,9 998,5 999,9 1000,1 998,7 1008,8 993 997,1 20
989,7 1005,8 994,9 997,4 1003 1001,9 1003,5 1003,4 994,5 995,5 15
1002,8 1001,3 996,2 999,9 1000,5 1002,2 1000,6 996,4 1007,5 1001,9 10
1000,3 1003,3 1003,4 997,5 996,3 1004,4 995,2 993,8 1002,8 1002,6 5
1008,8 1005,8 1005,2 1000,5 1000 1001,8 999,9 995,8 992,9 1003,3 0
1001,8 1002,5 1000,9 995,9 1005 998,8 996,6 996,7 998,3 998,2 988 992 996 1000 1004 1008

Processo Fora de Controle

• Quando o processo apresenta, além
das causas comuns, causas especiais. f(X) Tempo
• A saída do processo torna-se f(X)

imprevisível. f(X)
• A média e/ou o desvio são alterados f(X)
em função do tempo. X
• Alteração na média
X
Valor-alvo X


• Quando o processo apresenta, além
f(X)
das causas comuns, causas especiais. Tempo
• A saída do processo torna-se f(X)
imprevisível.
f(X)
• A média e/ou o desvio são alterados f(X)
em função do tempo. X
• Alteração na média e no desvio

X
Valor-alvo
X


• Exemplo: Quantidade de leite em 100 saquinhos de um mesmo lote sob
influência de causas especiais.
• Média = 1005,8
• Desvio = 6,57
1010,2 1002,3 1003,8 1000,2 1008,8 992,1 1008,9 999,4 1011,3 1014,0
1010,5 995,0 994,0 1011,2 1008,1 1008,3 1017,6 1005,3 1003,8 1019,6 25
995,0 1010,2 999,9 1009,5 1017,9 1012,9 1008,5 1003,1 1010,5 1009,5 20
994,1 991,2 1001,6 1002,1 1010,5 1009,0 992,3 1002,3 1012,7 1006,9
994,8 989,1 1002,5 1008,7 1014,6 1004,9 1002,2 1007,3 1002,4 1011,7 15
980,2 999,4 1002,0 1011,9 997,8 997,5 986,6 1014,4 1024,0 1006,9 10
992,0 1004,4 1005,3 1003,2 1016,5 1015,3 1003,3 992,6 1013,1 1016,1
5
997,2 994,5 1006,9 1012,8 1014,5 1021,7 1007,2 996,1 1008,8 1000,2
1004,5 998,7 1002,4 1012,9 1011,1 1007,8 994,2 1012,0 1017,8 1018,4 0
988,2 991,1 1004,3 1010,6 1009,9 1011,3 989,9 1002,9 997,5 1002,0 990 995 1000 1005 1010 1015 1020 1025

Exemplo
• (COSTA 2.1) Uma série de fatores afeta o consumo de combustível de um
táxi. Dos itens quais poderiam ser enquadrados como causas especiais e
quais como causas aleatórias?
Causas Aleatórias Especiais

Calibragem dos pneus x
Regulagem do motor x
Percurso x
Peso dos passageiros e das cargas x
Condições de trânsito x

Gráficos de Controle
• A principal ferramenta utilizada para monitorar os processos e sinalizar a
presença de causas especiais são os Gráficos de Controle.

Gráficos de Controle
• São uma ferramenta importante do controle da qualidade.
• São empregados para se avaliar se um processo está operando dentro do
esperado para algum valor controlado, como peso, largura, etc.
LSC
Valor médio
LIC

Monitoramento
• O monitoramento é realizado através da análise periódica de amostras.
• A cada intervalo de tempo t, retira-se uma amostra de n itens para análise.
• Pontos fora dos limites de controle indicam a necessidade de intervenção no
processo por sinalizarem a presença de causas especiais de variabilidade.

Tipos de Gráficos de Controle

• Gráficos de controle para variáveis
• ത
Gráfico de média (𝑋)
• Gráfico de amplitude (R)
• Gráfico de desvio padrão (S)
• Gráfico de medida individual (X)
• Gráfico de amplitude móvel (MR)
• Gráficos de controle de atributos
• Gráfico da fração defeituosa (p)
• Gráfico do numero total de defeituosos (np)
• Gráfico de defeitos por unidade (u)
• Gráfico do número de defeitos (c)
• Gráfico das Somas Acumuladas
• Gráfico da Média Móvel Ponderada Exponencialmente

Gráficos de Controle por Variável

• São usados quando as amostras são expressas em unidades quantitativas de
medida.
• A variável monitorada é chamada de X.
• Média
σ𝑛𝑖=1 𝑥𝑖
𝑋ത =
𝑛
• Amplitude
𝑅 = 𝑥𝑚𝑎𝑖𝑜𝑟 − 𝑥𝑚𝑒𝑛𝑜𝑟
• Desvio
σ𝑛𝑖=1(𝑥𝑖 − 𝑥)ҧ 2
𝑆=
𝑛−1


• Os gráficos mais utilizados são:
ത que monitora a centralidade
• Gráfico da Média (𝑋)
• Gráfico da Amplitude (R) que monitora a dispersão
• Exemplo:
• Quantidade de leite dos saquinhos de amostras de tamanho 5 tomadas a cada 30 min.
Elemento (j) da amostra (i)
Amostra (i) Média Amplitude
Xi1 Xi2 Xi3 Xi4 Xi5
1 1001,7 1004 1004,8 996,3 1004,3 1002,2 8,4
2 999,7 1000,3 1003,2 993,9 998,9 999,2 9,2
3 990,9 1004 1003 1004 1002 1000,8 13,1
4 1000,7 1007,3 998,1 995,5 994,9 999,3 12,4
5 1000,7 998,3 998,9 997,8 1001,9 999,5 4,1
6 998,6 993,7 1002,8 995,5 994,1 997 9,1
7 1002,7 1010,5 990,5 992,5 1003 999,8 19,9


• Exemplo:
• Quantidade de leite dos saquinhos de amostras de tamanho 5 tomadas a cada 30 min.
1008 25
1006
20
1004
1002
Amplitude
15
Média
1000
10
998
996
5
994
992 0
0 5 10 15 20 0 5 10 15 20
Número da amostra Número da amostra

Parâmetros dos Gráficos

• LSC – Limite superior de controle
• LM – Linha média
• LIC – Limite inferior de controle
• n = tamanho da amostra
• h = intervalo de tempo entre amostras
• k = coeficiente de abertura dos limites de controle

Especificação dos Limites

• Os valores dos limites de especificação são calculados com base na média e
no desvio padrão da variável que está sendo monitorada.
Limite Superior de
Controle 𝐿𝑆𝐶 = 𝜇 + 𝑘𝜎
+ kσ
Linha Central 𝐿𝑀 = 𝜇
- kσ
Limite Inferior de 𝐿𝐼𝐶 = 𝜇 − 𝑘𝜎
Controle

Especificação dos Limites

• O limite de 3 sigma garante que 99,73% dos dados estarão dentro do limite,
quando o processo estiver “sob controle”
Limite Superior de
Controle
+ 3σ
Linha Central
- 3σ
Limite Inferior de
Controle

Valor Alvo
• Quando o processo está isento de causas aleatórias, o valor alvo
especificado coincide com a média da variável monitorada.
• Quando este valor não puder ser estabelecido anteriormente é mais
apropriado utilizar a expressão valor médio calculando como sendo o valor
médio em controle do processo.
• Exemplo: Tempo médio de atendimento que só será estimado com precisão depois
que se tiver o registro dos tempos de atendimento de muitos clientes.

Correlação de Variáveis
• Os valores da variável monitorada deve apresentar comportamento de
independência, caso contrário compromete a aplicação de gráfico de
controle.
• Quando os valores da variável monitorada possuem alguma
interdependência ou, autocorrelação, compromete a credibilidade do gráfico
de controle com o aumento de pontos indicando que o processo está fora de
controle sem realmente estar.

Subgrupos Racionais
• O conceito de Subgrupos Racionais preconiza a retirada de pequenas
amostras a intervalos de tempo regulares.
• Exemplo: Retirada de uma amostra de 5 saquinhos de leite a cada meia hora.
Amostra (i) Elemento (j) da amostra (i)

1 1001,7 1004 1004,8 996,3 1004,3
2 999,7 1000,3 1003,2 993,9 998,9
3 990,9 1004 1003 1004 1002
4 1000,7 1007,3 998,1 995,5 994,9
5 1000,7 998,3 998,9 997,8 1001,9
6 998,6 993,7 1002,8 995,5 994,1
7 1002,7 1010,5 990,5 992,5 1003

Subgrupos Racionais
• Cada amostra ou subgrupo racional é
constituído de unidades produzidas no
Tempo
mesmo instante. f(X)
f(X)
• Caso ocorra alguma causa especial no f(X)
T4
processo a média de cada subgrupo irá se T3

f(X)
deslocar em relação ao valor alvo, porém a T2
X
variabilidade dentro do mesmo subgrupo T1 X
tende a ser baixa.
X

Amostragem Estratificada
• Os dados deverão vir de uma mesma origem. Portanto, muitas vezes é
recomendado estratificar sua amostragem seja por: bico dosador, turno, etc.
• Dessa forma, fica mais fácil de se evidenciar a origem de possíveis variações
especiais no processo.

Etapa Inicial para Utilização de Gráficos de Controle

• A etapa inicial, que antecede, a própria construção e a utilização dos gráficos
de controle, é de aprendizagem.
• Só é possível monitorar um processo após conhecê-lo bem.
• Deve se ter bem definidos os valores de média e desvio da variável em
estudo quando o processo está sob controle.

Conhecendo o Processo
• Procura-se conhecer os fatores que afetam as características de qualidade da
variável em estudo.
• Exemplo: Linha de enchimento de saquinhos de leite.
• A característica de qualidade dos volumes de leite não está tendo um comportamento
estável. 1030
1020
1010
Média
1000
990
980
970
0 4 8 12 16 20 24 28 32 36 40
Número da amostra

Conhecendo o Processo
• Exemplo: Linha de enchimento de saquinhos de leite.
• O gráfico sugere que a cada instante de tempo teríamos distribuições de X
totalmente diferentes.
• O processo está tendo uma série de causas especiais.
Tempo
f(X)
X
X
X
X
Identificando Causas Especiais

• Antes de construir os gráficos de controle é preciso identificar as e eliminar
causas especiais que estão fazendo o processo sair do estado de controle
estatístico.
LÍQUIDO
IMPUREZAS
VOLUME
DE LEITE
ACÚMULO DE GORDURA
ENTUPIMENTO DO BOCAL
TUBULAÇÃO

Estabilizando o Processo
• Após a identificação das causas especiais, devem ser implementadas ações
corretivas e preventivas.
• Com a eliminação de causas especiais, os valores de X passam a distribuir-se
de maneira totalmente aleatória em torno do “valor alvo”.
Causa especial Medida corretiva/preventiva

Gordura na tubulação Limpeza mensal da tubulação
Entupimento do bocal Troca semanal do bocal
Impurezas no leite Utilização de filtros

Estabilizando o Processo
• Os pontos devem estar distribuídos aleatoriamente, dentro dos limites de
controle, para que o processo esteja estável.
Regras de Identificação de
Processos Instáveis 1030
Pontos fora dos limites de controle.
1020
Sete ou mais pontos seguidos em um dos
lados da linha média. 1010
Dez de onze pontos consecutivos em um
Média
1000
dos lados da linha média. (12 de 14 ou 16
de 20). 990
Seis ou mais pontos em uma mesma
980
direção (ascendente ou descendente).
970
Dois de três pontos próximos dos limites de 0 4 8 12 16 20 24 28 32 36 40
controle. Número da amostra
Quatorze pontos consecutivos alternando-

se para cima e para baixo no gráfico.

Estimando Média e Desvio do Processo

• Se a média e o desvio padrão do processo não são conhecidos, é preciso
estimá-los.
σ𝑛𝑖=1 𝑥𝑖 σ𝑛𝑖=1(𝑥𝑖 − 𝑥)ҧ 2
𝜇Ƹ 0 = 𝜎ො0 =
𝑛 𝑛
998,8 994,9 1001 1005,1 1004,8 1006,9 991,3 999,1 1004,4 995,7 35
997,2 993,2 992,6 996,1 996,9 991,5 997,7 998,4 1000,5 998,5 30
998,7 998,5 1005,4 999,7 999,3 997,9 1007,9 1003,5 1009,5 997,4 25
1006,6 993,6 1002,2 1003,6 1007,7 999,7 997,9 1002,7 998,5 1003 20
994,2 996,6 993,9 998,5 999,9 1000,1 998,7 1008,8 993 997,1 15
989,7 1005,8 994,9 997,4 1003 1001,9 1003,5 1003,4 994,5 995,5 10
1002,8 1001,3 996,2 999,9 1000,5 1002,2 1000,6 996,4 1007,5 1001,9 5
1000,3 1003,3 1003,4 997,5 996,3 1004,4 995,2 993,8 1002,8 1002,6 0
1008,8 1005,8 1005,2 1000,5 1000 1001,8 999,9 995,8 992,9 1003,3 988 992 996 1000 1004 1008
1001,8 1002,5 1000,9 995,9 1005 998,8 996,6 996,7 998,3 998,2

Considerando os Subgrupos
• Considerando os dados de m amostras de tamanho n pode-se calcular:
• Média dos subgrupos e Média geral
σ𝑛𝑗=1 𝑋𝑖𝑗 σ𝑚
𝑖=1 𝑋𝑖
𝑋ത𝑖 = ധ
𝑋=
𝑛 𝑚
• Amplitudes dos subgrupos e Média das amplitudes

σ𝑚
𝑖=1 𝑅𝑖
𝑅𝑖 = 𝑋𝑖𝑗,𝑚𝑎𝑖𝑜𝑟 − 𝑋𝑖𝑗,𝑚𝑒𝑛𝑜𝑟 𝑅ത =
𝑚
• Desvio dos subgrupos e Média dos desvios
σ𝑛𝑗=1(𝑋𝑖𝑗 − 𝑋ത𝑖 )2 σ𝑚
𝑖=1 𝑆𝑖
𝑆𝑖 = 𝑆ҧ =
𝑛−1 𝑚

Estimativas para o Desvio

• Considerando os dados de m amostras de tamanho n, existem 4 diferentes
maneiras de se estimar o desvio padrão do processo:
1 σ𝑚 𝑛 ധ 2
𝑖=1 σ𝑗=1(𝑋𝑖𝑗 − 𝑋) 𝑛 σ𝑚 ഥ ധ 2 𝑆ҧ 𝑅ത
𝑖=1(𝑋𝑖 − 𝑋) 𝑆𝐶 = 𝑆𝐷 =
𝑆𝐴 = 𝑆𝐵 =
𝑐4 𝑚𝑛 − 1 𝑐4 𝑚−1 𝑐4 𝑑2
• As estimativas mais utilizadas são 𝑆𝐶 e 𝑆𝐷

• Os valores das constantes 𝑐4 e 𝑑2 são tabelados em função do tamanho da
amostra do subgrupo.
n 2 3 4 5 6 7 8 9 10 11 12 13 14 15
c4 0,798 0,886 0,921 0,940 0,952 0,959 0,965 0,969 0,973 0,975 0,978 0,979 0,981 0,982
d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,173 3,258 3,336 3,407 3,472

Considerando os Subgrupos
• Considerando os dados de m amostras de tamanho n, a média e o desvio do
processo podem ser estimados pelas fórmulas:
• Estimativa da média
σ𝑚 ത
𝑖=1 𝑋𝑖
ധ
𝜇Ƹ 0 = 𝑋 =
𝑚
• Estimativa do desvio
σ𝑚
𝑖=1 𝑅𝑖ൗ σ𝑚
𝑖=1 𝑆𝑖ൗ
𝑅ത 𝑚 𝑆ҧ 𝑚
𝜎ො0 = = 𝜎ො0 = =
𝑑2 𝑑2 𝑐4 𝑐4
Isabelly Pereira da Silva | Engenharia da Qualidade II | Gráficos de Controle por Variável

Exemplo
• Valores da variável X em 8 subgrupos de tamanho 5 (m=8 e n=5), assim,
c4=0,940 e d2=2,326
Subgrupo Xi1 Xi2 Xi3 Xi4 Xi5
1 992,9 1006,7 1002,7 1005,4 998,3
2 1001,3 995,3 999 999,1 996,5
3 1001,2 1001,4 999 997,8 994,2
4 993,3 1002,1 998,7 993,6 996,6
5 996,8 1006,4 1006,9 994,5 998,4
6 1000,9 1004,2 999,2 997,8 997,9
7 1000,2 1002,6 998,3 1006,4 1005,8
8 1003,3 996,1 1000,5 995,2 1005,8

Exemplo
c4=0,940 e d2=2,326
Subgrupo Xi1 Xi2 Xi3 Xi4 Xi5 Média
1 992,9 1006,7 1002,7 1005,4 998,3 1001,2
2 1001,3 995,3 999 999,1 996,5 998,2
3 1001,2 1001,4 999 997,8 994,2 998,7
4 993,3 1002,1 998,7 993,6 996,6 996,9
5 996,8 1006,4 1006,9 994,5 998,4 1000,6
6 1000,9 1004,2 999,2 997,8 997,9 1000
7 1000,2 1002,6 998,3 1006,4 1005,8 1002,7
8 1003,3 996,1 1000,5 995,2 1005,8 1000,2
Média 999,81
σ𝑛𝑗=1 𝑋𝑖𝑗 σ𝑚
𝑖=1 𝑋𝑖
𝑋ത𝑖 = ധ
𝑋=
𝑛 𝑚

Exemplo
c4=0,940 e d2=2,326
Subgrupo Xi1 Xi2 Xi3 Xi4 Xi5 Média Amplitude
1 992,9 1006,7 1002,7 1005,4 998,3 1001,2 13,8
2 1001,3 995,3 999 999,1 996,5 998,2 6
3 1001,2 1001,4 999 997,8 994,2 998,7 7,2
4 993,3 1002,1 998,7 993,6 996,6 996,9 8,8
5 996,8 1006,4 1006,9 994,5 998,4 1000,6 12,4
6 1000,9 1004,2 999,2 997,8 997,9 1000 6,4
7 1000,2 1002,6 998,3 1006,4 1005,8 1002,7 8,1
8 1003,3 996,1 1000,5 995,2 1005,8 1000,2 10,6
Média 999,81 9,16
σ𝑚
𝑖=1 𝑅𝑖
𝑅𝑖 = 𝑋𝑖𝑗,𝑚𝑎𝑖𝑜𝑟 − 𝑋𝑖𝑗,𝑚𝑒𝑛𝑜𝑟 ത
𝑅=
𝑚

Exemplo
c4=0,940 e d2=2,326
Subgrupo Xi1 Xi2 Xi3 Xi4 Xi5 Média Amplitude Desvio
1 992,9 1006,7 1002,7 1005,4 998,3 1001,2 13,8 5,6
2 1001,3 995,3 999 999,1 996,5 998,2 6 2,4
3 1001,2 1001,4 999 997,8 994,2 998,7 7,2 2,9
4 993,3 1002,1 998,7 993,6 996,6 996,9 8,8 3,7
5 996,8 1006,4 1006,9 994,5 998,4 1000,6 12,4 5,7
6 1000,9 1004,2 999,2 997,8 997,9 1000 6,4 2,7
7 1000,2 1002,6 998,3 1006,4 1005,8 1002,7 8,1 3,5
8 1003,3 996,1 1000,5 995,2 1005,8 1000,2 10,6 4,6
Média 999,81 9,16 3,89
σ𝑛𝑗=1(𝑋𝑖𝑗 − 𝑋ത𝑖 )2 σ𝑚
𝑖=1 𝑆𝑖
𝑆𝑖 = 𝑆ҧ =
𝑛−1 𝑚

Exemplo
c4=0,940 e d2=2,326
• Estimativas para a média do processo:
𝑋ധ = 999,81
• Estimativas para o desvio do processo:
𝑆𝐴 = 4,1 𝑆𝐵 = 4,2 𝑆𝐶 = 4,1 𝑆𝐷 = 3,9

Atividade
• (COSTA 2.2 adaptada) Com base nos dados da tabela, obtenha os valores de
média e amplitude das amostras e estime o desvio do processo com o
estimador 𝑆𝐷 .
1 439,5 453,3 449,3 452,0 444,9
2 447,9 441,9 445,6 445,7 443,1
3 447,8 448,0 445,6 444,4 440,8
4 439,9 448,7 445,3 440,2 443,2
5 443,4 453,0 453,5 441,1 445,0
6 447,5 450,8 445,8 444,4 444,5
7 446,8 449,2 444,9 453,0 452,4
8 449,9 442,7 447,1 441,8 452,4

Atividade
• (COSTA 2.2 adaptada) Com base nos dados da tabela, obtenha os valores de
média e amplitude das amostras e estime o desvio do processo com o
estimador 𝑆𝐷 .
1 439,5 453,3 449,3 452,0 444,9
2 447,9 441,9 445,6 445,7 443,1
3 447,8 448,0 445,6 444,4 440,8
4 439,9 448,7 445,3 440,2 443,2
5 443,4 453,0 453,5 441,1 445,0
6 447,5 450,8 445,8 444,4 444,5
7 446,8 449,2 444,9 453,0 452,4
8 449,9 442,7 447,1 441,8 452,4
𝑋ധ = 446,4 𝑅ത = 9,2 𝑆𝐷 = 3,9

Referências
• COSTA, A. F. B.; EPPRECHT, E. K.; CARPINETTI, L. C. R. Fundamentos do
Controle Estatístico de Processos. In: ______. Controle Estatístico de
Qualidade. 2 ed. São Paulo: Atlas, 2005. cap 2. p 22-43
• MONTGOMERY, D. C. Métodos e Filosofia do Controle Estatístico do
Processo. In: ______. Introdução ao Controle Estatístico da Qualidade. 4 ed.
Rio de Janeiro: LTC, 2004. cap. 4, p. 95-128

Conceitos de Graficos de Controle

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Conceitos de Graficos de Controle

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal de Sergipe

Centro de Ciências Exatas e Tecnologia

Conceitos de gráficos de controle

22/10/2019 EPROD0081 – Controle Estatístico da Qualidade 2019.1

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Matéria Prima Método Meio Ambiente

Máquinas Medida Mão de Obra

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Máquinas Medida Mão de Obra

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Máquinas Medida Mão de Obra

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Processo Sob Controle

variabilidade estão presentes. f(X)

• A saída do processo torna-se previsível. f(X)

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Processo Sob Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Processo Fora de Controle

• A saída do processo torna-se f(X)

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Processo Fora de Controle

• A saída do processo torna-se f(X)

• Alteração na média e no desvio

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Processo Fora de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Causas Aleatórias Especiais

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Tipos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Gráficos de Controle por Variável

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Gráficos de Controle por Variável

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Gráficos de Controle por Variável

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Parâmetros dos Gráficos

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Especificação dos Limites

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Especificação dos Limites

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Amostra (i) Elemento (j) da amostra (i)

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

processo a média de cada subgrupo irá se T3

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Etapa Inicial para Utilização de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Identificando Causas Especiais

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Causa especial Medida corretiva/preventiva

Isabelly Pereira da Silva | Engenharia de Qualidade II | Conceitos de Gráficos de Controle

Quatorze pontos consecutivos alternando-