Você está na página 1de 40

DISCIPLINA

CONTROLE DA QUALIDADE Aula 7


Newton Jos Ferro
1

CONTROLE DA QUALIDADE

REVISO ANTES DA VERIFICAO

CAUSAS DE VARIABILIDADE DOS PROCESSOS

variabilidade do processo diferenas existentes entre as unidades produzidas; variabilidade causas aleatrias (variabilidade natural); causas especiais outras perturbaes deslocam a mdia de seu valor alvo; e/ou aumentam a sua disperso.

PROCESSO SOB CONTROLE

PROCESSO FORA DE CONTROLE Deslocamento da Distribuio

PROCESSO FORA DE CONTROLE Deslocamento da Distribuio e Acrscimo da Disperso

ESTIMANDO A VARIABILIDADE DO PROCESSO

ESTIMADOR

SA SB

SC
SD

CARACTERSTICAS Considera as mamostras de n unidades como uma grande amostra com mn unidades Baseado no desvio-padro das mdias dos msubgrupos Baseado nos desvios-padro amostrais Si dos nsubgrupos Baseado na amplitude amostral R

7 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO

N = mn; Yi = Xij

onde

Este estimador tendencioso, pois seu valor esperado

Em que a constante c4 funo de N


8 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


ESTIMADOR

SA

CARACTERSTICAS Considera as mamostras de n unidades como uma grande amostra com mn unidades

Xij o j-simo elemento do i-simo subgrupo; n o tamanho dos subgrupos; m o nmero de subgrupos;

c4 uma constante.
FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO

C4 converge para 1 medida que n cresce

10 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO

m=8 n=5 X42 = 1002,1 Mdia dos subgrupos = stima coluna

11 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


ESTIMADOR

SB

CARACTERSTICAS Baseado no desvio-padro das mdias dos subgrupos

Se for a mdia dos valores de uma amostra aleatria de tamanho n da varivel , ento tambm uma varivel aleatria e as varincias mantm a seguinte relao: tendo como desvio-padro
12 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO

Nesta expresso as m parcelas do somatrio so o quadrado da diferena entre as mdias dos subgrupos e a mdia global; O que est entre colchetes corresponde ao clssico estimador do desvio-padro dividido pelo fator c4 para correo da tendenciosidade; o fator c4 sempre funo do nmero de parcelas do somatrio, CORRESPONDENDO NESTE CASO A m OBSERVAES; Ao multiplicar o termo entre colchetes por , obtemos um estimador para s.
13 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


ESTIMADOR

SC

CARACTERSTICAS Baseado nos desvios-padro amostrais Si dos msubgrupos

Baseado nos desvios-padro amostrais Si dos m subgrupos; onde:


Lembrando que Si (i = 1,2,, m) dado por;

14 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


ESTIMADOR

SC

CARACTERSTICAS Baseado nos desvios-padro amostrais Si dos msubgrupos

Qualquer dos valores de uma estimativa no tendenciosa de s; Para pequenas amostras (n = 3,4 ou 5) a varincia grande, sendo melhor adotar (obtm-se uma estimativa de s mais precisa com varincia m vezes menor); c4 funo do nmero de parcelas do somatrio de Si, que 15 corresponde a n subgrupos.
FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


ESTIMADOR

SD

CARACTERSTICAS Baseado na amplitude amostral R


onde:

O valor de d2 tabelado em funo do tamanho n da amostra;

16 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


ESTIMADOR

SA

CARACTERSTICAS Considera as mamostras de n unidades como uma grande amostra com mn unidades
Baseado no desvio-padro das mdias dos subgrupos

SB

Deslocamentos da mdia do processo, durante a primeira e a m-sima amostra afetam drasticamente as estimativas SA e SB; Afetam SA porque a mesma baseada na disperso de todos os pontos (que aumenta quando a mdia do processo no se mantm estvel); Afetam mais ainda SB porque ela baseada justamente nas diferenas entre as mdias amostrais.
17 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


ESTIMADOR

SC SD

CARACTERSTICAS Baseado nos desvios-padro amostrais Si dos msubgrupos Baseado na amplitude amostral R

As estimativas SC e SD so mais confiveis pois se baseiam apenas na disperso dos valores dentro das amostras (so insensveis s causas especiais que alteram a mdia do processo); O exemplo a seguir ilustra a questo

18 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


EXEMPLO Os valores das tabelas 2.6 e 2.8 foram gerados de uma distribuio normal com mdia 1000 e desvio-padro 4, exceto o segundo subgrupo (2a linha) da tabela 2.8 (mdia 1010 e desvio-padro 4); Vamos supor que no caso da tabela 2.8, a segunda amostra foi obtida quando o processo possua uma causa especial que aumentou o volume em 10 ml.

19 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO

SA = 4,1 SB = 4,2 SC= 4,1 SD = 3,9

SA = 5,1 SB = 8,7 SC= 4,0 SD = 3,8

20 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


Tabela 2.6 SA = 4,1 SB = 4,2 SC= 4,1 SD = 3,9 Tabela 2.8 SA = 5,1 SB = 8,7 SC= 4,0 SD = 3,8

As estimativas SA e SB so muito afetadas pela causa especial (superestimam o desvio-padro s); As estimativas SC e SD so mais robustas (menos sensveis aos efeitos de causas especiais), de modo que devem ter a preferncia; Para escolher qual utilizar, devem-se avaliar suas eficincias;

Um estimador no tendencioso tanto mais eficiente quanto menor for a varincia das estimativas que ele fornece;

21 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


Tabela 2.6 SA = 4,1 SB = 4,2 SC= 4,1 SD = 3,9 Tabela 2.8 SA = 5,1 SB = 8,7 SC= 4,0 SD = 3,8

Para subgrupos grandes (dez ou mais unidades) SC mais eficiente que SD (mais preciso) pois usa mais informao (todos os valores da amostra) enquanto que SD usa apenas dois valores extremos; Para subgrupos pequenos (n < 10), SD praticamente to preciso quanto SC , com a vantagem da simplicidade de clculo. Assim SD ser adotado como estimativa do desvio padro do processo (s), por ser robusto a alteraes na mdia do processo e por ser simples de calcular. SD o estimador mais utilizado em CEP.
22 FONTE: Costa, Epprecht e Carpinetti

AMOSTRAGEM ESTRATIFICADA
Deve-se conhecer sempre a origem de nossos dados;

Eles devem vir da mesma fonte;


No caso do empacotamento de leite, se existirem vrios bocais, necessrio construir um grfico de controle para cada bocal; Se as amostras contiverem sacos enchidos por bocais diferentes, ao se ter um sinal no se saber qual bocal est com problemas; Se um dos bocais estiver entupido e outro desregulado (injetando mais leite), os efeitos se compensaro e a mdia no sinalizar a presena de causas especiais;

23 FONTE: Costa, Epprecht e Carpinetti

ESTIMANDO A VARIABILIDADE DO PROCESSO


Tabela 2.6 SA = 4,1 SB = 4,2 SC= 4,1 SD = 3,9 Tabela 2.8 SA = 5,1 SB = 8,7 SC= 4,0 SD = 3,8

Para subgrupos grandes (dez ou mais unidades) SC mais eficiente (mais preciso) que SD; Isto ocorre porque SC usa mais informao (todos os valores da amostra) enquanto SD usa apenas seus dois valores extremos; Para subgrupos pequenos ( n < 10) SD praticamente to preciso quanto SC , com a vantagem da simplicidade de clculo; Assim SD ser adotado como estimativa do desvio-padro do processo s, por ser robusto a alteraes na mdia do processo e por ser simples de calcular; De fato SD o estimador mais usado em controle estatstico de processos. 24
FONTE: Costa, Epprecht e Carpinetti

EXERCCIO

25 FONTE: Costa, Epprecht e Carpinetti

EXERCCIO

SA = 4,07
FONTE: Costa, Epprecht e Carpinetti

SB = 4,22

SC = 4,13

SD = 3,94
26

SUBGRUPOS RACIONAIS
A partir do processo estvel e ajustado, o prximo passo construir os grficos de controle: A primeira funo dos grficos de controle a de sinalizar a presena de causas especiais que venham ocorrer; Por se tratar de uma varivel contnua (volume do leite), o usual monitorar o processo por meio de dois grficos de controle: mdia ; amplitude R. Para construir os grficos necessitamos conhecer a mdia m e o desvio-padro s do processo. Como so desconhecidos, precisamos estim-los; Se tivssemos certeza de que o processo permaneceu em controle durante todo o intervalo em que foram retiradas as amostras, bastaria adotar como estimativa de m e S2 como varincia de s2.
27 FONTE: Costa, Epprecht e

GRFICOS DE CONTROLE POR VARIVEIS


No caso de variveis contnuas o usual monitorar o processo por um par de grficos de controle; um para monitorar a centralidade (Xbarra); outro para monitorar a disperso(R).

28 FONTE: Costa, Epprecht e Carpinetti

GRFICO DE CONTROLE DE Xbarra


No caso de variveis contnuas o usual monitorar o processo por um par de grficos de controle; A linha mdia (LM) localizada na mdia (valor esperado) de Xbarra;

Os limites de controle so estabelecidos usualmente a 3 desvios-padro dessa mdia.

29 FONTE: Costa, Epprecht e Carpinetti

Distribuio Normal
Considerando a probabilidade de ocorrncia, a rea sob sua curva soma 100%. Isso quer dizer que a probabilidade de uma observao assumir um valor entre dois pontos quaisquer igual rea compreendida entre esses dois pontos.

68,26% => 1 desvio (68,26% das observaes) 95,44% => 2 desvios (95,44% das observaes) 99,73% => 3 desvios (99,73% das observaes)
30

GRFICO DE CONTROLE DE Xbarra

31 FONTE: Costa, Epprecht e Carpinetti

GRFICO DE CONTROLE DE Xbarra


Os limites de controle com 3 desvios-padro de afastamento em relao mdia (limites de 3 sigmas) foram propostos por Shewart que se baseou no seguinte lema: Se o processo estiver controlado, evite ajustes desnecessrios que s tendem a aumentar a sua varaibilidade; Com a abertura de 3 desvios-padro, enquanto o processo estiver em controle, raramente um ponto cair nessa regio do grfico; LEMBRE-SE: Intervenes geram custo com:

a interrupo do processo;
a investigao para descobrir problemas.
32 FONTE: Costa, Epprecht e Carpinetti

GRFICO DE CONTROLE DE Xbarra


OBTENO DA MDIA E DESVIO-PADRO PARA DETERMINAO DOS LIMITES DO GRFICO PREMISSA: Supondo a independncia entre os valores individuais dos elementos da amostra, o valor esperado da estatstica Xbarra coincide com o valor esperado, da varivel aleatria X: J a disperso dos valores de reduz-se medida que aumenta o tamanho das amostras Por exemplo para uma amostra de tamanho 4, o desvio padro de igual ao desvio padro das observaes individuais de
33 FONTE: Costa, Epprecht e Carpinetti

GRFICO DE CONTROLE DE Xbarra


NOTA: Para fins de simplificao, a mdia de , , e o desviopadro de , , sero denotados por , respectivamente.

Onde

so as estimativas do processo isento de causas especiais

34 FONTE: Costa, Epprecht e Carpinetti

GRFICO DE CONTROLE DE R

Onde
35 FONTE: Costa, Epprecht e Carpinetti

Captulo 3: Grficos de Controle por Variveis 3.1 Construindo os Grficos de Controle de X e R

s R d 3s

m R d 2s

Figura 3.16: Distribuio da amplitude R


SD R / d2

3.1 Construindo o Grfico de Controle de R

LSC R m R 3s R LM R m R LIC R m R 3s R

(3.9) (3.10) (3.11)

m R d 2s s R d3s

2 1,128 0,853

3 1,693 0,888

4 2,059 0,880

5 2,326 0,864

6 2,534 0,848

7 2,704 0,833

d2 d3

SD R / d2

3.1 Construindo o Grfico de Controle de R

Tabela 3.2: Valores de X ij e Ri

X i1

X i2

X i3

X i4

X i5

Ri
10,1 10,7 10,3 16,5 13,0

1 1004,6 997,3 1003,0 1005,9 995,8 2 1001,6 1008,6 997,9 1001,3 999,1 3 5 999,1 999,5 992,6 1001,1 1001,6 1002,9 991,3 997,8 1000,8 991,4 995,6 1004,3 995,6 4 1007,9 997,5

s 0 S D R / d2 11,0 / 2,326 4 ,729

3.1 Construindo o Grfico de Controle de R

LSCR ( d2 3d3 )s 0 23,26

(3.19) (3.20) (3.21)

LM R R 11,0 LIC R ( d2 3d3 )s 0 1,26 LIC R 0 ,00


30,0 25,0

Amplitude R

23,27

20,0 15,0 10,0 5,0 0,0 1 3 5 7 9 11 13 15 17 19 21 23 25 Nmero da Amostra

11,0

Figura 3.1: Grfico da Amplitude R

3.1 Construindo o Grfico de Controle de R

LSCR ( d2 3d3 )s 0 22 ,20

LM R R 10 ,5 LIC R ( d2 3d3 )s 0 1,20 LIC R 0 ,00


25,0

s 0 4 ,514

22,21 20,0

Amplitude R

15,0 10,0 5,0 0,0 1 3 5 7 9 11 13 15 17 19 21 23 25 Nmero da Amostra 10,5

Figura 3.3: Grfico da Amplitude R ( sem a 12 amostra)