Escolar Documentos
Profissional Documentos
Cultura Documentos
Data: 10/07/2022
INSTRUÇÕES:
1. O exercício deve ser realizado individualmente. Caso sejam identificadas cópias, o exercício será desconsiderado e o
aluno receberá nota 0 (zero);
2. Devem ser apresentados no arquivo o código utilizado no R para a resolução dos exercícios, os valores e resultados
obtidos, bem como as respostas às perguntas. Caso a pergunta realizada possa ser respondida sem utilizar o R,
apresente somente a resposta (ignore o campo “Código com os resultados obtidos”);
3. O arquivo a ser entregue deve ser salvo em PDF utilizando o nome do aluno (Kívia Mota Nascimento.pdf, por exemplo) e
enviado via Portal Didático até as 23h59min do dia 07/08/2021;
4. Caso o aluno entregue o arquivo em formato diferente ou nomeado de outra forma, será descontada 10% da nota.
7.2.Os pontos que se localizam abaixo do limite inferior de controle de um gráfico de controle da fração não
conformes (supondo LIC > 0) sempre significam que houve uma melhoria na qualidade do processo? Discuta sua
resposta no contexto de uma situação específica.
Resposta: Sim, tendo LIC>0 para não conformidades ter números inferiores a isso, significa uma melhora no
processo, mas pensando no caso de processo sob ou fora de controle pode haver mudança da média, tendo
que se refazer a carta de controle.
7.3.A Tabela 7E.1 contém dados da análise de reivindicações de seguro médico. A cada dia, 50 reivindicações
foram examinadas.
(a)Estabeleça o gráfico de controle da fração não conforme para esse processo. Plote os dados preliminares
da Tabela 7E.1 no gráfico. O processo está sob controle estatístico? R: Não
■ TABELA 7E.1
Dados de Reivindicações de Seguro Médico para o Exercício 7.3
Dia Número de Não Conformes Dia Número de Não Conformes
1 0 11 6
2 3 12 4
3 4 13 8
4 6 14 0
5 5 15 7
6 2 16 20
7 8 17 6
8 9 18 1
9 4 19 5
10 2 20 7
Código com os resultados obtidos:
#Organizar os dados
library(qcc)
n=50
#plotar a carta p
Resposta: O processo está fora de controle, pois a amostra 16 está fora dos limites de controle.
(b)Suponha que causas atribuíveis possam ser encontradas para quaisquer pontos fora de controle nesse gráfico.
Qual linha central e quais limites de controle devem ser usados para o monitoramento do processo no próximo
período? R: Retirando a amostra 16 e recalculando os limites, não há mais pontos fora de controle. LIC: 0, LC:
0.0916, LSC: 0.2139
Código com os resultados obtidos:
#retirar a amostra 16
out<- c(16)
obs2<- (obs[-out])
obs2
#plotar a carta p
cartap2<- qcc(obs2, type ="p", sizes = n)
Resposta: Não existe pontos fora de controle e os limites são: LIC=0, LC=0,0916, LSC=0,2139.
7.4.O gráfico de controle da fração não conforme no Exercício 7.3 tem LIC = 0. Suponha que o gráfico de controle
revisado da parte (b) daquele exercício tenha uma estimativa confiável da fração não conforme do processo. Qual
tamanho de amostra deve ser usado para se garantir que LIC > 0? R: n~90
Código com os resultados obtidos:
L=3
p= cartap2$center
[1] 0.09157895
n1= (L^2)*((1-p)/p)
n1
[1] 89.27586
■ TABELA 7E.2
Dados de Pedidos de Empréstimo para o Exercício 7.5
D D
ia Número de Pedidos Número em Atraso ia Número de Pedidos Número em Atraso
1 200 3 1 219 0
1
2 250 4 1 238 10
2
3 240 2 1 250 4
3
4 300 5 1 302 6
4
5 200 2 1 219 20
5
6 250 4 1 246 3
6
7 246 3 1 251 6
7
8 258 5 1 273 7
8
9 275 2 1 245 3
9
1 274 1 2 260 1
0 0
#organizar os dados
obs
library(qcc)
#plotar a carta p
cartap$violations
Resposta: O processo não está sob controle estatístico, pois existe violações nas amostras 7 e 15.
(b)Suponha que causas atribuíveis possam ser encontradas para quaisquer pontos fora de controle no gráfico.
Qual linha central deve ser usada para o monitoramento do processo no próximo período, e como os limites de
controle devem ser calculados? R: Sem as amostras 12 e 15, o não há pontos fora do controle. LIC = 0,
LC=0.0134 e LSC = 0.0349.
Código com os resultados obtidos:
#retirar as amostras 12 e 15
n2
obs2
#plotar a carta p2
7.12.Um processo que produz aros de roda de titânio para automóveis com motores turbinados deve ser
controlado pelo uso do gráfico para a fração não conforme. Inicialmente, uma amostra de tamanho 150 é tirada a
cada dia, durante 20 dias, e os resultados observados são mostrados na Tabela 7E.6.
■ TABELA 7E.6
Dados de Unidades Não Conformes para o Exercício 7.12
Dia Unidades Não Conformes Dia Unidades Não Conformes
1 3 11 2
2 2 12 4
3 4 13 1
4 2 14 3
5 5 15 6
6 2 16 0
7 1 17 1
8 2 18 2
9 0 19 3
10 5 20 2
(a)Estabeleça um gráfico de controle para monitorar a produção futura. R: LIC: 0, LC= 0.01667, LSC=0.04802.
Código com os resultados obtidos:
#Organizar dados
library(qcc)
n=150
#plotar a carta p
(b)Qual é o menor tamanho de amostra que pode ser usado para esse processo que ainda forneça um limite
inferior de controle positivo para o gráfico? R: n~530.
Código com os resultados obtidos:
L=3
p= cartap$center
n1= (L^2)*((1-p)/p)
n1
[1] 531
7.13.Um processo produz correias de transmissão de borracha em lotes de tamanho 2500. Os registros de
inspeção dos últimos 20 lotes mostram os dados na Tabela 7E.7.
TABELA 7E.7
Dados da Inspeção para o Exercício 7.13
Número do Número de Correias Não Número de Correias Não
Lote Conformes Número do Lote Conformes
1 230 11 456
2 435 12 394
3 221 13 285
4 346 14 331
5 230 15 198
6 327 16 414
7 285 17 131
8 311 18 269
9 342 19 221
10 308 20 407
(a)Calcule limites de controle tentativos para um gráfico de controle para a fração não conforme. R: 11 das 20
amostras estão além dos limites de controle
Código com os resultados obtidos:
#Organizar dados
library(qcc)
n<- 2500
#organizar os dados
#Plotando a carta p
(b)Se você desejasse estabelecer um gráfico de controle para controlar a produção futura, como usaria esses
dados para obter a linha central e os limites de controle para o gráfico? R: Precisaria buscar causas especiais
atuando sobre o sistema.
Código com os resultados obtidos:
Resposta: Seria necessário procurar as causas especiais que atuam no sistema a fim de sana-las.
7.14.Com base nos dados da Tabela 7E.8, se um gráfico np tiver que ser estabelecido, o que você recomendaria
como linha central e como limites de controle? Suponha n = 500. R: LIC=0, LC= 3.11 e LSC=8.39.
■ TABELA 7E.8
Dados para o Exercício 7.14
Dia Unidades Não Conformes
1 3
2 4
3 3
4 2
5 6
6 12
7 5
8 1
9 2
10 2
library(qcc)
#plotar a carta np
#plotar a carta np
7.16.Uma companhia compra pequenas braçadeiras de metal em embalagens de 5000 cada. Dez embalagens
chegaram para serem descarregados, e 250 braçadeiras foram selecionadas aleatoriamente de cada uma. As
frações não conformes em cada amostra são 0; 0; 0; 0.004; 0.008; 0.020; 0.004; 0; 0 e 0.008. Os dados desse
carregamento indicam controle estatístico? R: LIC = 0, LSC = 0.0170. Não indicam controle estatístico
Código com os resultados obtidos:
n<- 250
library(qcc)
[1] 0.0044
LIC= p- 3*sqrt((p*(1-p))/n)
LSC= p+ 3*sqrt((p*(1-p))/n)
LIC
[1] -0.008157987
LSC
[1] 0.01695799
Resposta: LIC=0 LSC= 0,01696. O processo não indica controle estatístico devido a discrepância do valor da
sexta amostra em relação as outras.
7.18.Um gráfico de controle para o número de anéis de pistão não conformes é mantido em um processo de forja
com np = 16.0. Uma amostra de tamanho 100 é selecionada a cada dia e analisada.
(a)Qual é a probabilidade de uma mudança na média do processo para np = 20.0 ser detectada no primeiro dia
após a mudança? Qual é a probabilidade de a mudança ser detectada, pelo menos, ao final do terceiro dia? R: p1
= 0.040, p3 = 0.1158
Código com os resultados obtidos:
p=0.16
n*p
[1] 16
[1] 5.001818
LSCnp
[1] 26.99818
LCnp
[1] 16
n_novo=100
p_nova=0.2
media=n_novo*p_nova
media
[1] 20
sd=sqrt(media*(1-p_nova))
sd
[1] 4
beta
[1] 0.959813
1-beta
[1] 0.04018697
1-beta^3
[1] 0.1157808
L=3
p_nova=0.2
n1= (L^2)*((1-p)/p)
n1
[1] 47.25
Resposta: O menor tamanho de amostra que dará limite inferior de controle positivo é n=48.
7.20.Um processo é controlado com um gráfico de controle para a fração não conforme com limites três
sigmas, n = 100, LSC = 0.161, linha central = 0.080 e LIC = 0.
(a)Ache o gráfico de controle equivalente para o número de não conformes. R: LIC = 0, LSC=16.14
Código com os resultados obtidos:
#Limites do grafico np
n=100
p=0.080
LICp=0
LSCp=0.161
if(LICnp<0) LICnp<-0
LSCnp
[1] 16.1388
LCnp
[1] 8
Resposta: LIC = 0, LSC=16,14.
(b)Use a aproximação de Poisson para a binomial para encontrar a probabilidade de um erro tipo I.R: alfa = 0.004
Código com os resultados obtidos:
lambda=n*p
alfa
[1] 0.003718021
(c)Use a aproximação correta para encontrar a probabilidade de um erro tipo II, se a fração não conforme do
processo mudar para 0.2. R: beta = 0.07494
Código com os resultados obtidos:
pnova=0.2
np_nova= n*pnova
np_nova
[1] 20
media= n*pnova
media
[1] 20
sd= sqrt(np_nova*(1-pnova))
sd
[1] 4
beta
[1] 0.1671967
(d)Qual é a probabilidade de se detectar a mudança da parte (c), no máximo, até a quarta amostra após a
mudança? R: p=0.99997
Código com os resultados obtidos:
p= 1- beta^4
[1] 0.9992185
7.26.Um gráfico de controle para a fração não conforme, com linha central 0.10, LSC = 0.19 e LIC = 0.01 é usado
para controlar um processo.
(a)Se forem usados limites três sigmas, ache o tamanho da amostra para o gráfico de controle. R: n=100
Código com os resultados obtidos:
#Limites do grafico p
p=0.10
LICp=0.01
LSCp=0.19
LCp=0.10
L=3
n1= ((L^2)*(p)*(1-p))/(LSCp-p)^2
n1
[1] 100
(b)Use a aproximação de Poisson para a binomial para achar a probabilidade de um erro tipo I. R: alfa = 0.004
Código com os resultados obtidos:
LICp2 <-LICp*n1
LICp2
[1] 1
LSCp2
[1] 19
LCp2
[1] 10
lambda= n1*p
lambda
[1] 10
alfa
[1] 0.003499742
(c)Use a aproximação de Poisson para a binomial para achar a probabilidade de um erro tipo II, se a fração de
defeituosos do processo for, na verdade, p = 0.20. R: beta = 0.381
Código com os resultados obtidos:
pnova=0.2
lambda1=n1*pnova
lambda1
[1] 20
beta
[0.3814219
Resposta: Erro do tipo II beta= 0,3814
7.29.Um grupo de manutenção melhora a eficácia de seu trabalho de reparo, monitorando o número de
requisições de manutenção que exigem uma segunda chamada para o reparo completo. Estão disponíveis 20
semanas de dados exibidos na Tabela 7E.10.
■ TABELA 7E.10
Dados para o Exercício 7.29
Sema Total de Segunda Visita Sema Total de Segunda Visita
na Requisições Necessária na Requisições Necessária
1 200 6 11 100 1
2 250 8 12 100 0
3 250 9 13 100 1
4 250 7 14 200 4
5 200 3 15 200 5
6 200 4 16 200 3
7 150 2 17 200 10
8 150 1 18 200 4
9 150 0 19 250 7
10 150 2 20 250 6
(a)Ache os limites de controle tentativos para esse processo.
Código com os resultados obtidos:
#organizar os dados
obs
library(qcc)
#carta p
cartap$limites
Resposta: LIC= 0, LC= 0,0221 e LSC=0,1471
n_medio<- mean(n)
n_medio
[1] 187.5
cartapn_nmedio$limites
Resposta:
O gráfico np é inadequado para tamanhos de amostra variados porque a linha central mudaria com cada n
7.39.Um gráfico de controle para a fração não conforme, com n = 400, tem os seguintes parâmetros:
LSC = 0.0809
Linha central = 0.0500
LIC = 0.0191
(a)Ache a largura dos limites de controle em unidades de desvio-padrão. R: L = 2.8349
Código com os resultados obtidos:
n=400
LSC=0.0809
LC= 0.05
LIC=0.0191
p=LC
L<- (LSC-p)/(sqrt(p*(1-p)/n))
[1] 2.835578
Resposta: A largura dos limites de controle em unidades de desvio-padrão é L = 2.8356
(b)Quais seriam os parâmetros correspondentes para um gráfico de controle equivalente com base no número de
não conformes? R: LIC: 7.64, LSC=32.36
Código com os resultados obtidos:
LIC_np
[1] 7.64
LSC_np
[1] 32.36
(c)Qual é a probabilidade de uma mudança na fração não conforme do processo para 0.0300 ser detectada na
primeira amostra após a mudança? R: p = 0.0895
Código com os resultados obtidos:
p_nova=0.03
lambda= n*p_nova
lambda
[1] 12
#beta=P(LICnp<= x <=LSCnp)
beta=ppois(32,lambda) - ppois(7,lambda)
p1=1-beta
p1
[1] 0.08950494
7.42.O seguinte gráfico de controle para a fração não conforme, com n = 100, é usado para controlar um
processo:
LSC = 0.0750
Linha central = 0.0400
LIC = 0.0050
(a)Use a aproximação de Poisson para a binomial para achar a probabilidade de um erro tipo I. R: alfa = 0.070
Código com os resultados obtidos:
#Limites do grafico p
LSC=0.0750
LC=0.0400
LIC= 0.0050
n=100
p=0.04
LICp2 <-LIC*n
LICp2
[1] 0.5
LSCp2 <-LSC*n
LSCp2
[1] 7.5
LCp2
[1] 0.0016
LCp2
[1] 4
lambda=n*p
lambda
[1] 4
alfa
[1] 0.06944925
Resposta: alfa=0.069
(b)Use a aproximação de Poisson para a binomial para achar a probabilidade de um erro tipo II, se a verdadeira
fração não conforme do processo for 0.0600. R: beta = 0.742
Código com os resultados obtidos:
pn=0.06
lambda2=n*pn
lambda2
[1] 6
beta
[1] 0.741501
Resposta: beta=0,7415
Resposta:
(d)Ache o CMS quando o processo está sob controle e o CMS quando a fração não conforme do processo é de
0.0600. R: ARL0~15, ARL1~4
Código com os resultados obtidos:
CMS= 1/alfa
CMS
[1] 14.399
#CMS para o processo fora de controle , ou seja, com a media delocada para 0.600
CMSf= 1/(1-beta)
CMSf
[1] 3.868487
Resposta: CMS sob controle é aproximadamente 15 e CMS fora de controle é aproximadamente 4.
7.43.Um processo que produz cárter para mancais é controlado por um gráfico de controle para a fração não
conforme, usando tamanho de amostra n = 100 e uma linha central p = 0.02.
(a)Ache os limites três sigmas para esse gráfico. R: LIC = 0, LSC = 0.062
Código com os resultados obtidos:
#Limites do grafico p
n=100
p=0.02
sd= sqrt((p*(1-p))/n)
sd
[1] 0.014
L=3
LIC= p - L*sd
if(LIC<0) LIC=0
LIC
[1] 0
LSC= p +L*sd
LSC
[1] 0.062
(b)Analise as dez novas amostras (n = 100) mostradas na Tabela 7E.11 para controle estatístico. Que conclusões
podem ser tiradas sobre o processo agora? R: Não se pode afirmar que o processo está sob controle
■ TABELA 7E.11
Dados para o Exercício 7.43, parte (b)
Número da Amostra Número de Não Conformes Número da Amostra Número de Não Conformes
1 5 6 1
2 2 7 2
3 3 8 6
4 8 9 3
5 4 10 4
#letra b
#organizar dado2
library(qcc)
#plotar a carta p
7.49.Uma fábrica de papel usa um gráfico de controle para monitorar imperfeições nos rolos de papel acabados. O
resultado da produção é inspecionado durante 20 dias, e os dados resultantes são mostrados na Tabela 7E.13.
Use esses dados para estabelecer um gráfico de controle para não conformidades por rolo de papel. O processo
parece estar sob controle estatístico? Qual linha central e quais limites de controle você recomendaria para
controlar a produção corrente? R: O processo aparenta estar sob controle estatístico. LIC = 0.153, LC = 0.701,
LSC = 1.249.
■ TABELA 7E.13
Dados sobre Imperfeições em Rolos de Papel
D D
i Número de Rolos Número Total de i Número de Rolos Número Total de
a Produzidos Imperfeições a Produzidos Imperfeições
1 18 12 1 18 18
1
2 18 14 1 18 14
2
3 24 20 1 18 9
3
4 22 18 1 20 10
4
5 22 15 1 20 14
5
6 22 12 1 20 13
6
7 20 11 1 24 16
7
8 20 15 1 24 18
8
9 20 12 1 22 20
9
1 20 10 2 21 17
0 0
#organizar os dados
obs
n_medio
cartau_fut<- qcc(obs, type= "u", sizes= n_medio )
cartau_fut$limites
Resposta: O processo aparenta estar sob controle estatístico LIC= 0,1497 LC= 0,7054 e LSC= 1,2612.
7.50.Continuação do Exercício 7.49. Considere o processo de fabricação de papel do Exercício 7.49. Estabeleça
um gráfico u, com base no tamanho médio da amostra, para controlar esse processo. R: LIC = 0.151, LC = 0.72,
LSC = 1.289.
Código com os resultados obtidos:
n_medio
cartau_fut$limites
Resposta: LIC= 0,1497 LC= 0,7054 e LSC= 1,2612.
7.53.Os dados na Tabela 7E.15 representam o número de não conformidades por 1000 metros em cabos de
telefone. Pela análise desses dados, você concluiria que o processo está sob controle estatístico? Que
procedimento de controle você recomendaria para a produção futura? R: O processo não aparenta estar sob
controle estatístico. Para produção futura: LIC =0, LC = 6.17, LSC = 13.62
■ TABELA 7E.15
Dados sobre Cabos de Telefones para o Exercício 7.53
Número da Número de Não Número da Número de Não
Amostra Conformidades Amostra Conformidades
1 1 12 6
2 1 13 9
3 3 14 11
4 7 15 15
5 8 16 8
6 10 17 3
7 5 18 6
8 13 19 7
9 0 20 4
10 19 21 9
11 24 22 20
install.packages("qcc")
#importar os dados
n=1000
cartac$violations
out<- c(10,11,22)
obs2<- (obs[-out])
obs2
cartac2$violations
#retirar a amostra 13
#criar vetor
out2<- c(13)
obs3<- (obs2[-out])
obs3
Cartac4$violations
7.55.Considere os dados do Exercício 7.53. Suponha que uma nova unidade de inspeção seja definida como 2500
m de cabo.
(a)Quais são a linha central e os limites de controle para um gráfico de controle para monitorar a produção com
base no número total de não conformidades na nova unidade de inspeção? R: LIC = 3.65, LC = 15.43, LSC =
27.21
Código com os resultados obtidos:
aumento=2.5
LC1000=6.17
LC2500= LC1000*aumento
LC2500
[1] 15.425
LIC
[1] 3.642598
LSC
[1] 27.2074
(b)Quais são a linha central e os limites de controle para um gráfico de controle para a média de não
conformidades por unidade, usado para monitorar a produção futura? R: LIC = 3.64, LC = 15.42, LSC = 27.20
Código com os resultados obtidos:
total_amostras=18
total_insp= (total_amostras*1000)/2500
total_insp
[1] 7.2
total_defeitos=111
u=total_defeitos/total_insp
[1] 15.41667
LIC_u= u - 3*sqrt(u)
LIC_u
[1] 3.637448
LSC_u= u + 3*sqrt(u)
LSC_u
[1] 27.19589
7.56.Um fabricante de automóveis deseja controlar o número de não conformidades em uma área de
submontagem que produz transmissões manuais. A unidade de inspeção é definida como quatro transmissões, e
os dados para 16 amostras (cada uma de tamanho 4) são mostrados na Tabela 7E.16.
■ TABELA 7E.16
Dados para o Exercício 7.56
Número da Número de Não Número da Número de Não
Amostra Conformidades Amostra Conformidades
1 1 9 2
2 3 10 1
3 2 11 0
4 1 12 2
5 0 13 1
6 2 14 1
7 1 15 2
8 5 16 3
(a)Estabeleça um gráfico de controle para não conformidades por unidade. R: LIC = 0, LC = 0.422, LSC = 1.396
Código com os resultados obtidos:
#importar dados
#grafico u
library (qcc)
#organizar dados
n=4
#carta u
(b)Esses dados provêm de um processo sob controle? Se não, suponha que causas atribuíveis possam ser
encontradas para todos os pontos fora de controle, e calcule os parâmetros revisados para o gráfico de controle.
R: O processo aparenta estar sob controle estatístico
Código com os resultados obtidos:
(c)Suponha que a unidade de inspeção seja redefinida como oito transmissões. Estabeleça um gráfico de controle
apropriado para monitorar a produção futura. R: Os mesmos
Código com os resultados obtidos:
n2=8
#carta u2
7.60.Ache os limites de probabilidade de 0.980 e 0.020 para um gráfico de controle para não conformidades por
unidade, quando u = 6.0 e n = 3. R: LIC = 3.1, LSC = 8.9
Código com os resultados obtidos:
u=6
n=3
p_LSC= 0.980
p_LIC= 0.020
z_s= qnorm(p_LSC)
z_s
[1] 2.053749
z_i
[1] 2.053749
LIC
[1] 3.09556
LSC= u + z_s*sqrt(u/n)
LSC
[1] 8.90444
7.61.Ache os limites de probabilidade de 0.975 e 0.025 para um gráfico de controle para não conformidades,
quando c = 7.6. R: LIC = 2.2, LSC = 13.00
Código com os resultados obtidos:
c=7.6
p_LSC= 0.975
p_LIC= 0.025
z_s= qnorm(p_LSC)
z_s
[1] 1.959964
z_i
[1] 1.959964
LIC= c - z_i*sqrt(c)
LIC
[1] 2.196752
LSC= c + z_s*sqrt(c)
LSC
[1] 13.00325
7.63.O número de não conformidades de acabamento observado na inspeção final na montagem de unidades de
disco para computador foi tabulado como se mostra na Tabela 7E.17. O processo parece sob controle? R: O
processo aparenta estar sob controle estatístico
■ TABELA 7E.17
Dados para o Exercício 7.63
Dia Número de Montagens Número Total de Dia Número de Montagens Número Total de
Inspecionadas Imperfeições Inspecionadas Imperfeições
1 2 10 6 4 24
2 4 30 7 2 15
3 2 18 8 4 26
4 1 10 9 3 21
5 3 20 10 1 8
#organizar os dados
obs
library(qcc)
#plotar a carta u
7.68.O fabricante deseja estabelecer um gráfico de controle na estação de inspeção final para aquecedores de
água a gás. Defeitos de acabamento e características de qualidade visuais são checados nessa inspeção. Durante
os últimos 22 dias de trabalho, 176 aquecedores de água foram inspecionados e um total de 924 não
conformidades foi relatado.
(a)Que tipo de gráfico de controle você recomendaria aqui e como o usaria? R: Gráfico c. LIC = 0, LC = 5.25, LSC
= 12.12
Código com os resultados obtidos:
dias=22
m=176
D=924
c=D/m
[1] 5.25
LIC= c- 3*sqrt(c)
if (LIC<0) LIC=0
LIC
[1] 0
LSC= c+ 3*sqrt(c)
LSC
[1] 12.12386
LC=c
LC
[1] 5.25
(b)Com dois aquecedores como unidade de inspeção, calcule a linha central e os limites de controle que sejam
consistentes com os dados da inspeção dos 22 dias passados. R: LIC = 0.78, LC = 10.5, LSC = 20.22
Código com os resultados obtidos:
#Unidade de inspeção=2
uni_insp=2
n=2
m1= m/uni_insp
m1
[1] 88
LIC_n
[1] 0.778889
LSC_n
[1] 20.22111
LC_n<- c*n
LC_n
[1] 10.5
(c)Qual é a probabilidade de um erro tipo I para o gráfico de controle da parte (b)? R: p = 0.003
Código com os resultados obtidos:
lambda= LC_n
alfa
[1] 0.002815365
Resposta: alfa=0,0028
7.69.Aparelhos de televisão portáteis montados são sujeitos a uma inspeção final em relação a defeitos de
acabamento. Estabelece-se um procedimento total com base na exigência de que, se o número médio de não
conformidades por unidade for 4.0, a probabilidade de se concluir que o processo está sob controle será de 0.99.
Não haverá limite inferior de controle. Qual é o tipo de gráfico de controle apropriado e qual é o limite superior de
controle exigido? R: Gráfico u, LSC = 9
Código com os resultados obtidos:
u=4
p=0.99
Z= qnorm(p)
[1] 2.326348
LSC= u + Z*sqrt(u)
LSC
[1] 8.652696
LSC1
[1] 9
7.70-1.(adaptado)Deve-se estabelecer um gráfico de controle para um processo que produz geladeiras. A unidade
de inspeção é uma geladeira, e vai ser usado um gráfico comum para não conformidades. Como dados
preliminares, foram contadas 16 não conformidades na inspeção de 30 geladeiras.
(a)Quais são os limites de controle dois sigmas? R: LIC = 0, LSC = 2.723
Código com os resultados obtidos:
D=16
n=30
Z=2
c=D/n
[1] 0.5333333
LIC= c-Z*sqrt(c)
if(LIC<0) LIC=0
LSC= c+Z*sqrt(c)
LSC
[1] 1.993927
#alfa=P(x>LSC)+P(x,LIC)
#alfa= P(x>1)+P(x<0)
lambda=c
alfa=ppois(1,lambda,lower.tail = F)
alfa
[1] 0.1004758
Resposta: alfa=0,1004
(c)Qual é o risco β, se o número médio de defeitos for, realmente, dois (isto é, se c = 2.0)? R: beta = 0.5414
Código com os resultados obtidos:
lambda1=cn
lambda1
[1] 2
beta
[1] 0.2706706
Resposta: beta=0,2706
(d)Ache o comprimento médio da sequência se o número médio de defeitos for realmente dois. R: ARL 1 ~2
Código com os resultados obtidos:
CSM1=1/(1-beta)
CSM1
[1] 1.371123
7.74.Uma linha de produção monta relógios elétricos. O número médio de não conformidades por relógio é
estimado em 0.75. O engenheiro da qualidade deseja estabelecer um gráfico c para essa operação, usando uma
unidade de inspeção de seis relógios. Ache os limites de controle três sigmas para esse gráfico. R: LIC = 0, LC =
4.5, LSC = 10.86.
Código com os resultados obtidos:
u=0.75
uni_insp=6
L=3
#gráfico c
c=u*uni_insp
[1] 4.5
LCc=c
LC_c=c
LC_c
[1] 4.5
LIC_c= c-3*sqrt(c)
if(LIC_c<0) LIC_c=0
LIC_c
[1] 0
LSC_c=c + 3*sqrt(c)
LSC_c
[1] 10.86396