Escolar Documentos
Profissional Documentos
Cultura Documentos
CONTROLE ESTATÍSTICO
DA QUALIDADE
O objetivo desta aula está centrado no aprendizado das cartas (ou gráficos)
de controle, uma das bases do CEP (Controle Estatístico de Processo). Elas são
utilizadas para a identificação de ocorrência de causas atribuíveis de mudanças
em um processo, visando rápida correção, para evitar a produção de unidades
não conformes e, em última análise, diminuir a variabilidade. Veremos como tratar
variáveis (isto é, qualquer medida de qualidade em uma escala numérica) com as
cartas de controle 𝑥̅ e 𝑅 e 𝑥̅ e 𝑠; e também como tratar atributos (quando temos
características de qualidade binárias, classificadas em “conformes” e “não
conformes”) com a carta de controle 𝑝. Usaremos os conceitos matemáticos da
aula anterior, em uma abordagem mais direta e prática.
2
Os cálculos dos limites de controle são arbitrários, cabendo ao engenheiro
defini-los.
Devemos utilizar uma estatística justa em relação aos riscos de obter erros
tipo I e tipo II; como dito, com base em um uso intensivo, é comum utilizar um
desvio de três sigma (para três sigma, 𝛼 = 0,00135; em alguns lugares, como no
Reino Unido e na Europa Central, usa-se 𝛼 = 0,001, o que faz pouca diferença
prática). Wheeler e Chambers (1992) adicionam à explicação o que chamam de
“regra empírica”, verificada na prática. Essa regra tem três partes: 1) entre 60% e
75% dos dados localizam-se a uma distância de um sigma em ambos os lados da
média; 2) usualmente, de 90% a 98% dos dados localizam-se a uma distância de
dois sigma em ambos os lados da média e 3) aproximadamente 99% a 100% dos
dados localizam-se a uma distância de dois sigma em ambos os lados da média.
Na sequência, os autores mostram a eficácia dessa regra empírica para diversos
tipos de distribuição, justificando a adoção do desvio de três sigma.
3
onde 𝐸 é o operador matemático “esperança”, “um modo abreviado de denotar o
processo de cálculo da média de uma variável aleatória” (Montgomery, 2019, p.
82). Porém, o desvio-padrão não é um estimador não viesado. Pode-se mostrar:
2 1/2 Γ(𝑛/2)
𝐸(𝑠) = ( ) 𝜎 = 𝑐4 𝜎 (2)
𝑛−1 Γ[(n − 1)/2]
𝑅
𝜎̂ = (4)
𝑑2
𝑅̅
𝜎̂ = (5)
𝑑2
𝑅1 + 𝑅2 + ⋯ + 𝑅𝑚
𝑅̅ = (7)
𝑚
4
𝜎 𝜎
𝜇 + 𝑍𝛼/2 𝜎𝑥̅ = 𝜇 + 𝑍𝛼/2 e 𝜇 − 𝑍𝛼 𝜎𝑥̅ = 𝜇 − 𝑍𝛼/2 (8)
√𝑛 2 √𝑛
3𝑅̅
𝐿𝑆𝐶 = 𝑥̿ + (9)
𝑑2 √𝑛
3𝑅̅
𝐿𝐼𝐶 = 𝑥̿ − (10)
𝑑2 √𝑛
É comum definirmos:
3
𝐴2 = (11)
𝑑2 √𝑛
̅:
Finalmente, temos, para o gráfico 𝒙
𝐿𝑆𝐶 = 𝑥̿ + 𝐴2 𝑅̅
𝐿𝐶 = 𝑥̿ (12)
𝐿𝐼𝐶 = 𝑥̿ − 𝐴2 𝑅̅
𝜎𝑅 = 𝑑3 𝜎 (13)
𝑅̅
𝜎̂𝑅 = 𝑑3 (14)
𝑑2
𝑅̅ (15)
𝐿𝑆𝐶 = 𝑅̅ + 3𝜎̂𝑅 = 𝑅̅ + 3𝑑3
𝑑2
5
𝑅̅
𝐿𝐼𝐶 = 𝑅̅ − 3𝜎̂𝑅 = 𝑅̅ − 3𝑑3 (16)
𝑑2
Fazendo:
𝑑 𝑑
𝐷3 = 1 − 3 𝑑3 e 𝐷4 = 1 + 3 𝑑3 (17)
2 2
𝐿𝑆𝐶 = 𝐷4 𝑅̅
𝐿𝐶 = 𝑅̅ (18)
𝐿𝐼𝐶 = 𝐷3 𝑅̅
𝐿𝑆𝐶 = 𝑥̿ + 𝐴3 𝑠̅
𝐿𝐶 = 𝑥̿ (19)
𝐿𝐼𝐶 = 𝑥̿ − 𝐴3 𝑠̅
Para a carta 𝒔:
𝐿𝑆𝐶 = 𝐵4 𝑠̅
𝐿𝐶 = 𝑠̅ (20)
𝐿𝐼𝐶 = 𝐵3 𝑅̅
6
especificar valores de referência 𝜇 e 𝜎, sem fazer uso de estimadores. Porém,
essa abordagem é rara nas aplicações de chão de fábrica.
̅̅̅̅̅
𝑀𝑅
𝐿𝑆𝐶 = 𝑥̅ + 3
𝑑2
𝐿𝐶 = 𝑥̅ (22)
̅̅̅̅̅
𝑀𝑅
𝐿𝐼𝐶 = 𝑥̅ − 3
𝑑2
𝐿𝑆𝐶 = 𝐷4 ̅̅̅̅̅
𝑀𝑅
̅̅̅̅̅
𝐿𝐶 = 𝑀𝑅 (23)
𝐿𝐼𝐶 = 𝐷3 ̅̅̅̅̅
𝑀𝑅
1Em algumas aplicações, pode ser mais interessante utilizar os gráficos de controle para a soma
cumulativa (Cusum) e de média móvel exponencialmente ponderada (Mmep), que não serão
abordados em nosso curso. Recomenda-se a consulta às referências indicadas.
7
relação à carta das medidas, o que se justifica pelo seu cálculo “artificial”, já que
não se refere à amplitude entre a mesma amostra.
𝑝̂ = 𝐷⁄𝑛 (24)
𝜇𝑝̂ = 𝑝 (25)
𝑝(1 − 𝑝)
𝜎𝑝2̂ = (26)
𝑛
8
Podemos, então, calcular o gráfico de controle com três sigma para fração
não conforme, caso tenhamos o valor-padrão 𝑝, a verdadeira fração de não
conformes do processo:
𝑝(1−𝑝)
𝐿𝑆𝐶 = 𝑝 + 3√ 𝑛
𝐿𝐶 = 𝑝 (27)
𝑝(1−𝑝)
𝐿𝐼𝐶 = 𝑝 − 3√ 𝑛
Quando a fração não conforme do processo não é conhecida, ela deve ser
estimada pela observação dos dados. Devemos selecionar 𝑚 amostras (𝑚 ≥ 20)
preliminares, cada uma com tamanho 𝑛. Então, calculamos a fração de não
conformes para cada amostra:
𝑝̂ 𝑖 = 𝐷𝑖 ⁄𝑛 𝑖 = 1,2, … , 𝑚 (28)
∑𝑚
𝑖=1 𝐷𝑖
∑𝑚
𝑖=1 𝑝̂ 𝑖
𝑝̅ = = (29)
𝑚𝑛 𝑚
𝑝̅ (1−𝑝̅ )
𝐿𝑆𝐶 = 𝑝̅ + 3√ 𝑛
𝐿𝐶 = 𝑝 (30)
𝑝̅ (1−𝑝̅ )
𝐿𝐼𝐶 = 𝑝̅ − 3√ 𝑛
9
necessariamente haverá falha, mas o controle de qualidade sobre esses defeitos
é fundamental.
Os gráficos de controle podem ser realizados para o número total de não
conformidades em uma unidade ou para o número médio de não conformidades
por unidade; para ambos, utiliza-se a distribuição de Poisson:
𝑒 −𝑐 𝑐 𝑥
𝑝(𝑥) = (31)
𝑥!
𝐿𝑆𝐶 = 𝑐̅ + 3√𝑐̅
𝐿𝐶 = 𝑐̅ (32)
𝐿𝑆𝐶 = 𝑐̅ − 3√𝑐̅
𝑥
𝑢= (31)
𝑛
𝐿𝑆𝐶 = 𝑢̅ + 3√𝑛̅
𝑢
𝐿𝐶 = 𝑢̅ (32)
𝐿𝑆𝐶 = 𝑢̅ − 3√𝑛̅
𝑢
10
TEMA 5 – INTERPRETAÇÃO PARA CEP
11
A fase II ocorre após a eliminação das principais causas atribuíveis na fase
I e tem ênfase, então, no monitoramento do processo2. Vamos estudar como
identificar o controle estatístico em um gráfico de controle (válido para as fases I
e II) e, depois, abordar um detalhe específico da fase II, o conceito de
“comprimento médio da sequência” (CMS).
Dois ou três pontos consecutivos fora dos limites de alerta de dois sigma, mas
Regras da
2
ainda dentro dos limites de controle
3 Quatro ou cinco pontos consecutivos além dos limites de um sigma
2 De forma simplificada: a fase I tem ênfase em trazer o processo para controle, enquanto a fase
II tem ênfase em manter tal controle.
12
7 Quatorze pontos em sequência alternadamente para cima e para baixo
Oito pontos em sequência em ambos os lados da linha central, com nenhum deles entre
8
os limites de um sigma
9 Um padrão não usual ou não aleatório dos dados
13
Figura 4 – Exemplo da regra 2
Figura 3 – Exemplo da regra 1
Fonte: elaborado com base em Gigawiz, Fonte: elaborado com base em Gigawiz, 2016.
2016.
Fonte: elaborado com base em Gigawiz, Fonte: elaborado com base em, Gigawiz,
2016. 2016.
14
Figura 8 – Exemplo da regra 6
Figura 7 – Exemplo da regra 5
Fonte: elaborado com base em Gigawiz, Fonte: elaborado com base em Gigawiz,
2016. 2016.
Fonte: elaborado com base em Gigawiz, Fonte: elaborado com base em Gigawiz,
2016. 2016.
15
Se temos um teste genérico de hipóteses 𝐻0 : 𝜇 = 𝜇0 e 𝐻1 : 𝜇 ≠ 𝜇0 com
variância 𝜎 2 conhecida, a estatística de teste é 𝑍0 = (𝑥̅ − 𝜇0 )⁄(𝜎/√𝑛) e
a distribuição de 𝑍0 é 𝑁(0,1) se a hipótese nula for verdadeira. Para
achar a probabilidade de erro tipo II temos que assumir que a hipótese
nula seja falsa e então determinar a distribuição de 𝑍0 . Supondo que a
média da distribuição seja 𝜇1 = 𝜇0 + 𝛿, então a hipótese alternativa é
verdadeira e, sob essa hipótese, a distribuição de 𝑍0 é ~𝑁(𝛿 √𝑛⁄𝜎, 1).
(Montgomery, 2019, p. 90)
𝛿 √𝑛 𝛿 √𝑛
𝛽 = Φ (𝑍𝛼/2 − ) − Φ (−𝑍𝛼/2 − ) (33)
𝜎 𝜎
16
Figura 12 – Curvas características de operação para o teste normal bilateral
com 𝛼 = 0,05.
1
𝐶𝑀𝑆 = (34)
𝑝
17
REFERÊNCIAS
GIGAWIZ. Shewhart Control Charts for Variables. Gigawiz. 2016. Disponível em:
http://www.gigawiz.com/qc-rules1.html. Acesso em: 13 jan. 2021.
JMP: Statistical Discovery. Version 12.1.0. [S.1.]: SAS Institute Inc, 2015. Acesso
em: 13 jan. 2021.
NELSON, S. L. The Shewhart control chart – tests for special causes. Journal of
Quality Technology, v. 16, n. 4, p. 237-239, 1984.
18
Gráfico para Médias Gráfico para Desvios-padrão Gráfico para Amplitudes
Observações
Fatores para limites de Fatores para Fatores para
na amostra, Fatores para limites de controle Fatores para limites de controle
controle linha central linha central
n
A A2 A3 c4 1/c 4 B3 B4 B5 B6 d2 1/d 2 d3 D1 D2 D3 D4
2 2,121 1,880 2,659 0,7979 1,2533 0 3,267 0 2,606 1,128 0,8865 0,853 0 3,686 0 3,267
3 1,732 1,023 1,954 0,8862 1,1284 0 2,568 0 2,276 1,693 0,5907 0,888 0 4,358 0 2,574
4 1,500 0,729 1,628 0,9213 1,0854 0 2,266 0 2,088 2,059 0,4857 0,880 0 4,698 0 2,282
5 1,342 0,577 1,427 0,9400 1,0638 0 2,089 0 1,964 2,326 0,4299 0,864 0 4,918 0 2,114
13 0,832 0,249 0,850 0,9794 1,0210 0,382 1,618 0,374 1,585 3,336 0,2998 0,770 1,025 5,647 0,307 1,693
14 0,802 0,235 0,817 0,9810 1,0194 0,406 1,594 0,399 1,563 3,407 0,2935 0,763 1,118 5,696 0,328 1,672
15 0,775 0,223 0,789 0,9823 1,0180 0,428 1,572 0,421 1,544 3,472 0,2880 0,756 1,203 5,741 0,347 1,653
16 0,750 0,212 0,763 0,9835 1,0168 0,448 1,552 0,440 1,526 3,532 0,2831 0,750 1,282 5,782 0,363 1,637
17 0,728 0,203 0,739 0,9845 1,0157 0,466 1,534 0,458 1,511 3,588 0,2787 0,744 1,356 5,820 0,378 1,622
18 0,707 0,194 0,718 0,9854 1,0148 0,482 1,518 0,475 1,496 3,64 0,2747 0,739 1,424 5,856 0,391 1,608
19 0,688 0,187 0,698 0,9862 1,0140 0,497 1,503 0,490 1,483 3,689 0,2711 0,734 1,487 5,891 0,403 1,597
20 0,671 0,180 0,680 0,9869 1,0133 0,510 1,490 0,504 1,470 3,735 0,2677 0,729 1,549 5,921 0,415 1,585
21 0,655 0,173 0,663 0,9876 1,0126 0,523 1,477 0,516 1,459 3,778 0,2647 0,724 1,605 5,951 0,425 1,575
22 0,640 0,167 0,647 0,9882 1,0119 0,534 1,466 0,528 1,448 3,819 0,2618 0,720 1,659 5,979 0,434 1,566
Tabela 1 – Fatores para a construção de gráficos de controle para variáveis
23 0,626 0,162 0,633 0,9887 1,0114 0,545 1,455 0,539 1,438 3,858 0,2592 0,716 1,710 6,006 0,443 1,557
24 0,612 0,157 0,619 0,9892 1,0109 0,555 1,445 0,549 1,429 3,895 0,2567 0,712 1,759 6,031 0,451 1,548
25 0,600 0,153 0,606 0,9896 1,0105 0,565 1,435 0,559 1,420 3,931 0,2544 0,708 1,806 6,056 0,459 1,541
19