Controle Estatı́stico da Qualidade

Aula 2

Prof. Jeremias Leão

Prof. Jeremias Leão (UFAM) CEQ 1 / 24

Introdução

Até o momento, vimos conceitos importantes sobre o CEQ e o CEP.

Vimos também a importância de monitorar processos e que isso pode
ser feito através de gráficos de controle.

Prof. Jeremias Leão (UFAM) CEQ 2 / 24

Subgrupo racional

Na prática, nunca se sabe realmente se o processo realmente perma-

neceu isento de causas especiais. Por isto, foi desenvolvido o conceito
de subgrupo racional.

Prof. Jeremias Leão (UFAM) CEQ 3 / 24

Subgrupo racional

Na prática, nunca se sabe realmente se o processo realmente perma-

neceu isento de causas especiais. Por isto, foi desenvolvido o conceito
de subgrupo racional.
Definição
Subgrupos racionais são amostras retiradas do processo em interva-
los de tempos regulares.

Ex: (saquinhos de leite) Ao invés de se retirarmos 100 saquinhos de

uma só vez, retira-se amostras menores, distanciadas no tempo. Por
exemplo, uma amostra de n = 4 ou n = 5 saquinhos a cada meia hora
(h = 30min).

Prof. Jeremias Leão (UFAM) CEQ 3 / 24

Notação

Tabela 1: Notação: xij é a j-ésima observação do i-ésimo subgrupo.

Amostra
Subgrupo 1 2 3 ··· n
1 x11 x12 x13 · · · x1n
2 x21 x22 x13 · · · x1n
3 x31 x32 x13 · · · x1n
4 x41 x42 x13 · · · x1n
.. .. .. .. ..
. . . . ··· .
m xm1 x12 x13 ··· x1n
Prof. Jeremias Leão (UFAM) CEQ 4 / 24
Subgrupo racional

Cada amostra, ou subgrupo racional, é constituı́da de unidades pro-

duzidas quase num mesmo instante. Caso ocorra uma perturbação
no processo em consequência de alguma causa especial, dificilmente
ocorrerá durante a formação do subgrupo. Com isso, minimiza-se a
probabilidade de que uma amostra seja formada por elementos de di-
ferentes populações.

Prof. Jeremias Leão (UFAM) CEQ 5 / 24

 Estimando a média e variabilidade do
processo

Prof. Jeremias Leão (UFAM) CEQ 6 / 24

Estimando a média

Suponha que temos uma amostra (subgrupo racional) Xij , para j =

1, 2, . . . , n e i = 1, 2 . . . , m. Considere que a média do processo é µ,
assim, iremos considerar o estimador da média do processo como
m
P
Xi
i=1
X = , (1)
m

no qual X i é a média do i-ésimo subgrupo. Note que X é a média

global.

Prof. Jeremias Leão (UFAM) CEQ 7 / 24

Estimando a média

Caso o tamanho da amostra em cada subgrupo seja diferente, ou seja,

para a i-ésima retirada temos uma tamanho amostral de ni , em que
n = n1 + n2 + · · · + nm , o estimador para a média do processo é

m P n
m P
Xij
P
ni X i
i=1 i=1 j=1
X = m
P = Pm .
ni ni
i=1 i=1

Essa alteração é feita para que todas as obervações tenham o mesmo

peso na estimação da média do processo. Note que, continua sendo
não viesado.

Prof. Jeremias Leão (UFAM) CEQ 8 / 24

Estimando a variabilidade

Existem várias maneiras (estimadores) para estimação de σ (a variabi-

lidade do processo).
Considere Y1 , . . . , YN uma amostra aleatória de Y ∼ N(µ, σ 2 ). Sabe-
mos que,
N
P
2
Yi − Y
i=1
S2 = ,
N −1
N
Yi )/N, é um estimador não viesado para σ 2 .
P
no qual Y = (
i=1

Prof. Jeremias Leão (UFAM) CEQ 9 / 24

Exercı́cio

Mostre que
v
uN
2
uP
u Yi − Y
t i=1
S= ,
N −1

é viesado para σ, visto que E (S) = c4 (N)σ, em que

√
2 Γ (N/2)
c4 (N) = √ ,
N − 1 Γ ((N − 1)/2)
em que Γ(·) é a função gama.
Prova: (exercı́cio em sala de aula)

Prof. Jeremias Leão (UFAM) CEQ 10 / 24

Na Tabela 2 temos os valores de c4 para alguns tamanhos de amostra.
Note que a medida de que n aumenta, c4 se aproxima de 1.

Tabela 2: Valores de c4 para diversos valores de n.

n c4 n c4
2 0,798 12 0,978
3 0,886 13 0,979
4 0,921 14 0,981
5 0,940 15 0,982
6 0,952 16 0,983
7 0,959 17 0,985
8 0,965 18 0,985
9 0,969 19 0,986
10 0,973 20 0,987
11 0,975

Prof. Jeremias Leão (UFAM) CEQ 11 / 24

Estimando a variabilidade

O que aconteceria com o estimador S se c4 = 1?

Prof. Jeremias Leão (UFAM) CEQ 12 / 24

Estimando a variabilidade

O que aconteceria com o estimador S se c4 = 1? S seria um estimador

não viesado!

Prof. Jeremias Leão (UFAM) CEQ 12 / 24

Estimando a variabilidade

Considerando agora que Xij ∼ N(µ, σ 2 ), para j = 1, 2 . . . , n e i =

1, 2, . . . , m e substituindo N por mn, na expressão de S, e considere
obtém-se SA , que é dado por
v
um P n 
uP 2
u Xij − X
1 t i=1 j=1
SA = .
c4 (mn) nm − 1

Este estimador considera os m subgrupos de n unidades como única

grande amostra, ou seja, com mn unidades. Vale ressaltar que c4 é
função de mn (nº de parcelas do somatório) e foi incluı́do para tornar
o estimador não tendencioso (não viesado).

Prof. Jeremias Leão (UFAM) CEQ 13 / 24

Estimando a variabilidade

Outro estimador que pode ser utilizado para estimar σ é

 v 
uPm  2
Xi − X 
u
√
 u
 1 t i=1
SB = 
  n.
 c 4 (m) m − 1 


Esse estimador é baseado no desvio-padrão das médias dos subgrupos.

Note que a expressão que está nos colchetes é o estimador do desvio-
padrão de X .

Prof. Jeremias Leão (UFAM) CEQ 14 / 24

Estimando a variabilidade
Considere agora, o seguinte estimador

S
SC = ,
c4 (n)
m
P
Si
i=1
em que S = m
e
v
u n
uP
u (Xij − X i )2
t j=1
Si = ,
n−1

para i = 1, 2, . . . , m. Nesse caso, o estimador é baseado nos desvios-

padrão amostrais Si dos m subgrupos. Além disso, note que Si /c4 é
não viesado, consequentemente, S também não será viesado.
Prof. Jeremias Leão (UFAM) CEQ 15 / 24
Estimando a variabilidade

Agora, vejamos um estimador que é baseado na amplitude total, que

é dado por

R
SD = ,
d2
em que d2 é uma constante que depende de n (valor tabelado) e
m
P
Ri
i=1
R= ,
m
no qual Ri a amplitude para o i-ésimo subgrupo.

Prof. Jeremias Leão (UFAM) CEQ 16 / 24

Estimando a variabilidade
Resultado: Sejam Y1 , Y2 , . . . , Yn uma amostra aleatória de Y ∼
N(µ, σ 2 ). Seja R = Y(n) − Y(1) (amplitude), no qual Y(n) representa
o maior valor da amostra e Y(1) o menor valor da amostra. Considere
agora a variável W = Rσ , assim, temos que
p
E (W ) = d2 e σw = Var (W ) = d3 ,

no qual d2 e d3 são valores tabelados que dependem de n ver Tabela

3. Dessa forma, temos que
p
E (R) = d2 σ e σR = Var (R) = d3 σ.

Exercı́cio: Como base nesses resultados, mostre que SD é um estimador

não viesado para S.

Prof. Jeremias Leão (UFAM) CEQ 17 / 24

 Tabela 3: Valores de d2 e d3 .
n d2 d3
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
8 2,847 0,820
9 2,970 0,808
10 3,078 0,797
11 3,173 0,787
12 3,258 0,778
13 3,336 0,770
14 3,407 0,763
15 3,472 0,756
Prof. Jeremias Leão (UFAM) CEQ 18 / 24
Estimando a variabilidade

Deslocamentos apenas na média do processo, durante o perı́odo com-

preendido entre a retirada do primeiro e do m-ésimo subgrupo, afetam
drasticamente as estimativas de SA e SB .
As estimativas obtidas com SC e SD são mais confiáveis, por serem
baseadas apenas na dispersão dos valores dentro das amostras, são
insensı́veis a causas especiais que alteram a média do processo.

Prof. Jeremias Leão (UFAM) CEQ 19 / 24

Exercı́cio 1
Com base nos dados da Tabela 4, calcule SA , SB , SC e SD .

Tabela 4: Amostras de 8 subgrupos de tamanho n = 5, do processo de

enchimento de saquinhos de leite.

subgrupo xi1 xi2 xi3 xi4 xi5 x i1 ri si

1 992,9 1006,7 1002,7 1005,4 998,3 1001,20 13,8 5,64
2 1001,3 995,3 999,0 999,1 996,5 998,24 6,0 2,36
3 1001,2 1001,4 999,0 997,8 994,2 998,72 7,2 2,94
4 993,3 1002,1 998,7 993,6 996,6 996,86 8,8 3,68
5 996,8 1006,4 1006,9 994,5 998,4 1000,60 12,4 5,70
6 1000,9 1004,2 999,2 997,8 997,9 1000,00 6,4 2,66
7 1000,2 1002,6 998,3 1006,4 1005,8 1002,66 8,1 3,50
8 1003,3 996,1 1000,5 995,2 1005,8 1000,18 10,6 4,55

Prof. Jeremias Leão (UFAM) CEQ 20 / 24

Exercı́cio 1

Assim, temos que sA = 4, 09, sB = 4, 22, sC = 4, 13 e sD = 3, 94.

Note que essas estimativas são muito próximas.

Prof. Jeremias Leão (UFAM) CEQ 21 / 24

Exercı́cio 2
Nesse exemplo, temos que o segundo subgrupo apresentou causa es-
pecial.

Tabela 5: Amostras de 8 subgrupos de tamanho n = 5, do processo de

enchimento de saquinhos de leite. Dados simulados de X ∼ N(1000, 42 ).

subgrupo xi1 xi2 xi3 xi4 xi5 x i1 ri si

1 992,9 1006,7 1002,7 1005,4 998,3 1001,20 13,8 5,64
2 1008,2 1009,3 1010,8 1008,4 1010,8 1009,50 2,6 1,26
3 1001,2 1001,4 999,0 997,8 994,2 998,72 7,2 2,94
4 993,3 1002,1 998,7 993,6 996,6 996,86 8,8 3,68
5 996,8 1006,4 1006,9 994,5 998,4 1000,60 12,4 5,70
6 1000,9 1004,2 999,2 997,8 997,9 1000,00 6,4 2,66
7 1000,2 1002,6 998,3 1006,4 1005,8 1002,66 8,1 3,50
8 1003,3 996,1 1000,5 995,2 1005,8 1000,18 10,6 4,55

Nesse caso, temos que sA = 5, 11, sB = 8, 71, sC = 3, 98 e sD = 3, 76.

Prof. Jeremias Leão (UFAM) CEQ 22 / 24
Exercı́cio 2

Note que as estimativas de SA e SB são muito afetadas pela causa

especial, ou seja, superestimam σ. Já as estimativas de SC e SD são
mais robustas, isto é, menos sensı́veis ao efeito de causas especiais
na média. Dessa forma, esses estimadores são mais preferidos para
monitorar a variabilidade do processo.
Segundo Costa, Epprecht e Carpinetti (2018) para subgrupos grandes
(n ≥ 10), SC é mais eficiente (variância menor) do que SD . Para n <
10, SD é tão preciso quanto SC , e tem uma vantagem da simplicidade
do cálculo.

Prof. Jeremias Leão (UFAM) CEQ 23 / 24

Referências

COSTA, A. F. B.; EPPRECHT, E. K.; CARPINETTI, L. C. R.

Controle estatı́stico de qualidade. [S.l.]: Atlas São Paulo, 2018.
v. 2.

Prof. Jeremias Leão (UFAM) CEQ 24 / 24