Aula 3

Universidade de Brasília - UnB
Instituto de Ciências Exatas

Departamento de Estatística
Controle Estatístico de Qualidade
Prof. Gladston
2/2022
Aula 3
⚫ Exercícios da Aula 2
⚫ Gráficos de Controle para a Média e para a

Amplitude
⚫ Limites de Controle, Limites de

Especificação e Limites Naturais de
Tolerância
Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022
Gráficos de Controle
Exercício: calcule o TMA se n = 10 t = 1h
µ‘ = 74,010
1,00
0,90
0,80
P(LIC < Média < LSC)
0,70
0,60
0,50 n=5
n=10
0,40
n=15
0,30
0,20
0,10
0,00
74,000 74,005 74,010 74,015 74,020 74,025
Média do processo (mm)

Exercício: calcule o TMA se n = 15 t = 1h
µ‘ = 74,020
1,00
0,90
0,80
P(LIC < Média < LSC)
0,70
0,60
0,50 n=5
n=10
0,40
n=15
0,30
0,20
0,10
0,00
74,000 74,005 74,010 74,015 74,020 74,025
Média do processo (mm)

Resolução dos exercícios
n ´ CMS TMA (h/min)

10 74,010 1.77162 1.46
15 74,020 1.00000 1.00

Reconhecimento de padrões não-aleatórios
74.020
74.015 3s
74.010 2s
74.005 1s
74.000 
73.995 -1s
73.990 -2s
73.985 -3s
73.980
0 5 10 15 20
Calcule as probabilidades:
⚫ 2 em 3 pontos consecutivos além dos limites de
alerta 2s.
⚫ 4 em 5 pontos consecutivos a uma distância de
1s ou mais em relação à linha central.
⚫ 8 pontos consecutivos de um mesmo lado da
linha central.

Resolução dos exercícios
2s 1s 8 pontos
LIA 73.99106 73.99553
LSA 74.00894 74.00447
P(LIA<Média<LSA) 0.954500 0.842701
Pr(Entre LA e LC) 0.00526 0.00241 0.00382

Gráficos de Controle para x e R
Estimadores Pontuais
⚫ Característica da qualidade seja X ~N (, s).
⚫ Na prática, não se conhece  e s.
⚫ A média e a variância amostrais x e s2 são
estimadores não-viesados da média e
variância populacionais  e s2.

⚫ s é um estimador viesado de s.
(n 2)
1
 2  2
E (s) =     s = c4s
 n - 1  (n - 1) 2)

⚫ Um estimador não-viesado de s é:
s
sˆ =
c4

Método da Amplitude
⚫ Em muitas aplicações de Engenharia de
Qualidade é conveniente estimar o desvio
padrão pelo Método da Amplitude.
R = xmáx - xmín

Eficiência Relativa de R comparado a S
n Eficiência Relativa
2 1,000
3 0,992
4 0,975
5 0,955
6 0,930
10 0,850

⚫ W é denominada Amplitude Relativa
W=R/s
E(W) = d2

⚫ Assim, outro estimador não-viesado de s
é:
R
sˆ =
d2

Base Estatística
⚫ A média geral das amostras é a estimativa

de .
x1 + x2 + x3 + ... + xm
x=
m
x deve ser a linha central do gráfico x.

Limites de Controle para o Gráfico x
𝜎ො 𝑅
𝐿𝑆𝐶 = 𝑥ሜǉ + 3 = 𝑥ሜǉ + 3
𝑛 𝑑2 𝑛
𝐿𝑖𝑛ℎ𝑎 𝐶𝑒𝑛𝑡𝑟𝑎𝑙 = 𝑥ሜǉ
𝜎ො 𝑅
𝐿𝐼𝐶 = 𝑥ሜǉ − 3 = 𝑥ሜǉ − 3
𝑛 𝑑2 𝑛

Limites de Controle para o Gráfico x
3
Sendo 𝐴2 =
𝑑2 𝑛
𝐿𝑆𝐶 = 𝑥ሜǉ + 𝐴2 𝑅ሜ
𝐿𝑖𝑛ℎ𝑎 𝐶𝑒𝑛𝑡𝑟𝑎𝑙 = 𝑥ሜǉ
𝐿𝐼𝐶 = 𝑥ሜǉ − 𝐴2 𝑅ሜ

Base Estatística
⚫ Se R é a amplitude de uma amostra, então
a amplitude média de m amostras é:
R1 + R2 + R3 + ... + Rm
R=
m
Como R = Ws , então s R = d 3s . Assim ,
R
sˆ R = d 3 
d2
Limites de Controle para o Gráfico R
𝑅ሜ 𝑑3
𝐿𝑆𝐶 = 𝑅ሜ + 3𝜎ො𝑅 = 𝑅ሜ + 3𝑑3 = 𝑅ሜ 1 + 3
𝑑2 𝑑2
𝐿𝑖𝑛ℎ𝑎𝑐𝑒𝑛𝑡𝑟𝑎𝑙 = 𝑅ሜ
𝑅ሜ 𝑑3
𝐿𝐼𝐶 = 𝑅ሜ − 3𝜎ො𝑅 = 𝑅ሜ − 3𝑑3 = 𝑅ሜ 1 − 3
𝑑2 𝑑2

Limites de Controle para o Gráfico R
LSC = D4 R
Linha central = R
LIC = D3 R
d3 d3
onde D3 = 1 - 3 e D4 = 1 + 3
d2 d2
⚫ Na prática, as estimativas de  e s
baseiam-se em amostras (de 25 a 30) de
tamanho n.
⚫ Frequentemente n é igual a 4, 5 ou 6.

n d2 A2 d3 D3 D4
Constantes 2
3
1.128
1.693
1.881
1.023
0.853
0.888
0.000
0.000
3.269
2.574
para os 4
5
2.059
2.326
0.729
0.577
0.880
0.864
0.000
0.000
2.282
2.114
Gráficos de 6
7
2.534
2.704
0.483
0.419
0.848
0.833
0.000
0.076
2.004
1.924
Controle 8
9
2.847
2.970
0.373
0.337
0.082
0.808
0.914
0.184
1.086
1.816
10 3.078 0.308 0.797 0.223 1.777
11 3.173 0.285 0.787 0.256 1.744
12 3.258 0.266 0.778 0.284 1.716
13 3.336 0.249 0.077 0.931 1.069
14 3.407 0.235 0.763 0.328 1.672
15 3.472 0.223 0.756 0.347 1.653
16 3.532 0.212 0.075 0.936 1.064
17 3.588 0.203 0.744 0.378 1.622
18 3.640 0.194 0.739 0.391 1.609
19 3.689 0.187 0.734 0.403 1.597
20 3.735 0.180 0.729 0.414 1.586
21 3.778 0.173 0.724 0.425 1.575
22 3.819 0.167 0.072 0.943 1.057
23 3.858 0.162 0.716 0.443 1.557
24 3.895 0.157 0.712 0.452 1.548
25 3.931 0.153
Prof. Gladston Luiz da 0.708 0.460de Qualidade-
Silva / Controle Estatístico 1.540- 2/2022
Exemplo
Anéis de pistão para motores de automóveis são
produzidos por um processo de forja. Deseja-se
estabelecer um controle estatístico para o diâmetro
interno dos anéis usando os gráficos x e R.
Estabeleça os limites de controle desse processo a
partir de 25 amostras, cada uma de tamanho cinco.
x i = 1850 ,028 R i = 0,581

Medidas das amplitudes dos diâmetros
internos dos anéis de pistão
0.060
0.050
0.040
0.030
0.020
0.010
0.000
0 5 10 15 20 25
Medidas das médias dos diâmetros internos
dos anéis de pistão
74.020
74.015
74.010
74.005
74.000
73.995
73.990
73.985
73.980
0 5 10 15 20 25
Gráfico de Controle para R
Resolução
Como os limites de controle do gráfico x dependem da
variabilidade do processo, os mesmos não serão
significativos a não ser que a variabilidade esteja sob
controle.
σ25
𝑖=1 𝑅𝑖 0,581
𝑅ሜ = = = 0,023
25 25
ሜ 3 = 0,023. (0) = 0
𝐿𝐼𝐶 = 𝑅𝐷
ሜ 4 = 0,023. (2,115) = 0,049
𝐿𝑆𝐶 = 𝑅𝐷

Gráfico de Controle R
0.060
0.050
0.040
0.030
0.020
0.010
0.000
0 5 10 15 20 25
Medidas das médias dos diâmetros
internos dos anéis de pistão
74.020
74.015
74.010
74.005
74.000
73.995
73.990
73.985
73.980
0 5 10 15 20 25
Gráfico de Controle para 𝑥ǉ
Resolução
Como o gráfico R indica que a variabilidade do processo
está sob controle, deve-se contruir o gráfico x .
σ25
𝑖=1 𝑥ǉ 𝑖 1850,028
𝑥ሜǉ = = = 74,001
25 25
𝐿𝑆𝐶 = 𝑥ሜǉ + 𝐴2 𝑅ሜ = 74,001 + (0,577). (0,023) = 74,014
𝐿𝐼𝐶 = 𝑥ሜǉ − 𝐴2 𝑅ሜ = 74,001 − (0,577). (0,023) = 73,988

Gráfico de Controle x
74.020
74.015 LSC
74.010
74.005
74.000 LC
73.995
73.990
73.985
LIC
73.980
0 5 10 15 20 25
Exemplo
Estabeleça novos limites de controle desse
processo a partir de 20 amostras, cada uma de
tamanho seis.
෍ 𝑥ǉ 𝑖 = 1480,021 ෍ 𝑅𝑖 = 0,447

Limites de Controle, Limites de Especificação e

Limites Naturais de Tolerância
⚫ Os limites de controle são guiados pela
variabilidade natural do processo medidas
pelo desvio padrão s, isto é, pelos limites
naturais de tolerância.
⚫ É costume definir LSNT e LINT como os
limites 3s acima e abaixo do processo.

Limites de Controle, Limites de Especificação e

Limites Naturais de Tolerância
⚫ Os limites de especificação são determinados
externamente.
⚫ Podem ser especificados pela gerência, pelos
engenheiros de produção, pelo cliente ou
pelos desenhistas e planejadores do produto.

Distribuição das medições individuais do processo, X
LIE LSE
LINT LSNT
LIC LSC
Distribuição dos valores de 𝑥ǉ

Referência Bibliográfica
MONTGOMERY, DOUGLAS C. Introduction

to Statistical Quality Control, 8ª Edition,
John Wiley & Sons, Inc., 2019.

APÊNDICE

Resultados
(x ) =  t e dt
+ x -1 - t
0
(x + 1) = x(x ) (x ) = (x - 1)(x - 1)
(n + 1) = n! (n ) = (n - 1)!

Resultados
 1  1.3.5...(2n - 1)
 n +  = n
n
 2 2
1
  = 
2

Resultados
 1  (n - 2)!! 
 n  = ( n -1) 2
2  2
n.(n - 2)...5.3.1 n  0 impar

n!! n.(n - 2)...6.4.2 n  0 par
1 n = -1, 0

- 1!!= 0!!= 1

Aula 3

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

Aula 3

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade de Brasília - UnB

Instituto de Ciências Exatas

Controle Estatístico de Qualidade

⚫ Gráficos de Controle para a Média e para a

⚫ Limites de Controle, Limites de

Média do processo (mm)

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Média do processo (mm)

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

n ´ CMS TMA (h/min)

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

⚫ A média geral das amostras é a estimativa

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

𝐿𝑖𝑛ℎ𝑎 𝐶𝑒𝑛𝑡𝑟𝑎𝑙 = 𝑥ሜǉ

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

𝐿𝑖𝑛ℎ𝑎 𝐶𝑒𝑛𝑡𝑟𝑎𝑙 = 𝑥ሜǉ

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

x i = 1850 ,028 R i = 0,581

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

𝐿𝑆𝐶 = 𝑥ሜǉ + 𝐴2 𝑅ሜ = 74,001 + (0,577). (0,023) = 74,014

𝐿𝐼𝐶 = 𝑥ሜǉ − 𝐴2 𝑅ሜ = 74,001 − (0,577). (0,023) = 73,988

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Limites de Controle, Limites de Especificação e

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Limites de Controle, Limites de Especificação e

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Distribuição dos valores de 𝑥ǉ

MONTGOMERY, DOUGLAS C. Introduction

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

(x + 1) = x(x ) (x ) = (x - 1)(x - 1)

(n + 1) = n! (n ) = (n - 1)!

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Prof. Gladston Luiz da Silva / Controle Estatístico de Qualidade- - 2/2022

Você também pode gostar