Controle Estatístico do

Processo
Controle Estatístico do Processo

Um fabricante de monitores de computador deve controlar a tensão na malha fina de fios verticais
que ficam atrás da superfície da tela de visualização. Muita tensão vai rasgar a malha e pouca vai
permitir rugas. A tensão é medida por um dispositivo elétrico com leituras de saída em milivolts
(mV). O processo de fabricação tem estado estável com tensão média  = 275 mV e desvio padrão
do processo  = 43 mV. A média de 275 mV e a variação de causa comum medida pelo padrão o
desvio 43 mV descreve o estado estável do processo. Se esses valores não forem satisfatório, por
exemplo, se houver muita variação entre os monitores, o fabricante deve fazer alguma mudança
fundamental no processo. Isso pode envolvem a compra de novos equipamentos ou a troca da liga
usada nos fios da malha. Na verdade, a variação de causa comum na tensão da malha não afeta o
desempenho dos monitores. Queremos acompanhar o processo e mantê-lo atualizado doença. O
operador mede a tensão em uma amostra de quatro monitores a cada hora. A Tabela 1 fornece as
últimas 20 amostras. A tabela também fornece a média x e o desvio padrão s para cada amostra. A
Figura 1 é um gráfico das médias da amostra versus número da amostra.
 Desvio
Amostra 1 2 3 4 Médias Carta de Médias Média Média das Médias
Padrão
LCS LCI
1 234,5 272,3 234,5 272,3 253,4 21,8
340.0
2 311,1 305,8 238,5 286,2 285,4 33,0
3 247,1 205,3 252,6 316,1 255,3 45,7 320.0
4 215,4 296,8 274,2 256,8 260,8 34,4
300.0
5 327,9 247,2 283,3 232,6 272,8 42,5
6 304,3 236,3 201,8 238,5 245,2 42,8 280.0
Controle Estatístico do Processo

7 268,9 276,2 275,6 240,2 265,2 17,0 260.0

8 282,1 247,7 259,8 272,8 265,6 15,0
9 260,8 259,9 247,9 345,3 278,5 44,9 240.0

10 329,3 231,8 307,2 273,4 285,4 42,5 220.0

11 266,4 249,7 231,5 265,2 253,2 16,3
200.0
12 168,8 330,9 333,6 318,3 287,9 79,7 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Dia
13 349,9 334,2 292,3 301,5 319,5 27,1
14 235,2 283,1 245,9 263,1 256,8 21,0
15 257,3 218,4 296,2 275,2 261,8 33,0
16 235,1 252,7 300,6 297,6 271,5 32,7  
17 286,3 293,8 236,2 275,3 272,9 25,6
18 328,1 272,6 329,7 260,1 297,6 36,5
19 316,4 287,4 373 286 315,7 40,7
20 296,8 350,5 280,6 259,8 296,9 38,8
Controle Estatístico do Processo

A variabilidade é inerente a todos os processos

Causas naturais ou comuns
Causas especiais ou atribuíveis
Fornece um sinal estatístico quando as causas atribuíveis estão presentes
 Detectar e eliminar causas atribuíveis de variação
Variações Naturais
Também chamadas de causas comuns
Afetar praticamente todos os processos de produção
Quantidade esperada de variação
As medidas de saída seguem uma distribuição de probabilidades
Para qualquer distribuição há uma medida de tendência central e dispersão
 Se a distribuição das saídas estiver dentro dos limites aceitáveis, diz-se que
o processo está "no controle"
Variações Atribuíveis

Também chamadas causas especiais de variação

Geralmente esta é alguma mudança no processo
Variações que podem ser rastreadas a uma razão específica
O objetivo é descobrir quando as causas atribuíveis estão presentes
Eliminar as causas ruins
 Incorporar as boas causas
Amostras
Para medir o processo, pegamos amostras e analisamos as estatísticas
amostrais seguindo essas etapas

Cada uma delas

(a) Amostras do produto, cinco representa uma
caixas de cereal são retiradas amostra de cinco
da linha de produção de caixas de cereais
enchimento, variam umas das # #

Frequência
outras em peso # # #

# # # #

# # # # # # #

# # # # # # # # # #

Peso
Amostras
Para medir o processo, pegamos amostras e analisamos as estatísticas
amostrais seguindo essas etapas

A linha sólida
(b) Depois que amostras representa a
suficientes são retiradas distribuição
de um processo estável,
elas formam um padrão

Frequency
chamado distribuição

Weight
Amostras
Para medir o processo, pegamos amostras e analisamos as estatísticas
amostrais seguindo essas etapas
(c) Existem muitos tipos de distribuições, incluindo a distribuição
normal (em forma de sino), mas as distribuições diferem em
termos de tendência central (média), desvio padrão ou
variância e forma

Tendência central Variação Forma

Frequência

Peso Peso Peso

Amostras
Para medir o processo, pegamos amostras e analisamos as estatísticas
amostrais seguindo essas etapas

(d) Se apenas as causas Predição

naturais de variação

Frequência
estiverem presentes, a
saída de um processo
forma uma distribuição
estável ao longo do
tempo e previsível

Peso
Amostras
Para medir o processo, pegamos amostras e analisamos as estatísticas
amostrais seguindo essas etapas ?
? ?
? ?
? ?
? ?
(e) Se as causas atribuíveis estiverem ? ?
presentes, a saída do processo ?
? ?
?
não é estável ao longo do tempo e ?? ??

não é predileto
Predição

Frequência

Peso
Controle Estatístico do Processo
Variáveis
Características que podem ter
qualquer valor real
Pode ser em números inteiros ou
Atributos
fracionados
Características relacionadas a defeitos
 Variáveis aleatórias contínuas
Classificar os produtos como bons ou ruins ou
contar defeitos
 Variáveis aleatórias categóricas ou
discretas
Controle Estatístico do Processo

Frequência (a) No controle estatístico e

capaz de produzir dentro dos
limites de controle

Limite Inferior controle Limite Superior de Controle

(b) No controle estatístico, mas não

capaz de produzir dentro dos limites de
controle

(c) Fora de controle

Tamanho
(peso, comprimento, velocidade, etc..)
Distribuições Populacionais e Amostrais
Três distribuições Distribuição dos médias
populacionais amostrais

M
  é dia   das   m é dias  amostrais  =  ´x
Beta
 

Normal

Uniform

| | | | | | |

-3sx -2sx -1sx x +1sx +2sx +3sx

95,45% cai
   dentro  de  ∓ 2   σ x́

99,73% cai
   dentro  de  ∓ 3   σ x́
Etapas na criação de gráficos de controle

Pegue amostras da população e calcule a estatística amostral apropriada

Use a estatística amostral para calcular os limites de controle e desenhar o
gráfico de controle
Plotar resultados amostrais no gráfico de controle e determinar o estado do
processo (dentro ou fora de controle)
Investigue possíveis causas atribuíveis e tome quaisquer ações indicadas
1. Continue a amostragem do processo e reinicie os limites de controle
quando necessário
Carta de controle para variáveis

Para variáveis que têm dimensões contínuas

Peso, velocidade, comprimento, força, etc.
Cartas de média controlam a tendência central do processo
Cartas de Amplitude controlam a dispersão do processo
 Estes dois gráficos devem ser usados juntos
Controle Estatístico do Processo

n A2 D3 D4 d2
2 1,880 0 3.267 1,128
3 1,023 0 2.575 1,693
4 0,728 0 2.282 2,059
5 0,577 0 2.115 2,326
6 0,483 0 2.004 2,534
7 0,419 0.076 1.924 2,704
8 0,373 0.136 1.864 2,847
9 0,337 0.184 1.816 2,970
10 0,308 0.223 1.777 3,078
Definindo limites de controle

Hora 1 Hora Média Hora Média

Amostra Peso de flocos 1 16.1 7 15.2
Número de aveia 2 16.8 8 16.4
1 17 3 15.5 9 16.3
2 13 4 16.5 10 14.8
3 16 5 16.5 11 14.2
4 18 6 16.4 12 17.3
n=9 5 17
6 16 For 99.73% control limits, z = 3
7 15
 
8 17
9 16
Média 16.1
s =1
Definindo limites de controle

Gráfico de controle para

amostra de 9 caixas Variação devido a
Fora de causas atribuíveis
controle

17 = LSC

Variação devido a
16 = Média
causas naturais

15 = LIC

Variação devido a
| | | | | | | | | | | |
causas atribuíveis
1 2 3 4 5 6 7 8 9 10 11 12 Fora de
Número da amostra controle
Definindo limites de controle
Média
  do Processo

Tamanho da amostra n= 5

  LSC = 16.154

Média = 16.01

  LIC = 15.866
Carta R

Gráfico de controle de variáveis

Mostra intervalos de amostras ao longo do tempo
Diferença entre os menores e maiores valores na amostra
Monitores de variabilidade de processos
 Independente da média do processo
Definindo limites de controle

Para Carta de Amplitudes

Limite
   Superior  de   Controle  de   R  =  LSC R  =  D 4 . Ŕ  
Limite
    Inferior    de    Controle   de    R  =  L ICR   =  D3 . Ŕ  

Onde:

=  Amplitude média das amostras

e = Valores tabelados
Definindo limites de controle
 

Tamanho da amostra n= 5
D4=2,115 e D3=0

 
LSC = 11.2

Média = 5.3

 
LIC = 0
Gráficos de controle para atributos

Para variáveis que são categóricas

Bom/ruim, sim/não, aceitável/inaceitável
A medição é tipicamente contando defeitos
Gráficos podem medir
Por cento defeituoso (carta p)
 Número de defeitos (carta c)
Entrada de Dados para carta P
Nº da QT de Fração Nº da QT de Fração
Amostra Defeituosos defeituosa Amostra Defeituosos defeituosa
1 6 0,06 11 6 0,06
2 5 0,05 12 1 0,01
3 0 0 13 8 0,08
4 1 0,01 14 7 0,07
5 4 0,04 15 5 0,05
6 2 0,02 16 4 0,04
7 5 0,05 17 11 0,11
8 3 0,03 18 3 0,03
9 3 0,03 19 0 0
10 2 0,02 20 4 0,04
31 49
Total de Defeituosos 80
0,04
Total de amostras 2000

  ∑ np 80   = =0,0195=0,02
ṕ = = =0,04
∑ n 20∗100
Entrada de Dados para carta P
Possíveis causas  
atribuíveis presentes

Defeitos (d)
Análise das Amostras
Média dos Defeitos (m)
12 Nº Médio Defeitos
LSC
10
LIC
8

Amostra 6

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Limite de controle da carta C
A população será uma distribuição de Poisson, mas aplicar o Teorema do
Limite Central nos permite assumir uma distribuição normal para as
estatísticas amostrais

 
Carta C para empresa e Taxi
  1 2 3 4 5 6 7 8 9 10
= média de 6 reclamações /dia 5 12 6 3 6 2 1 14 8 3

  Análise das Amostras

16
= 6+3. 14

= 13,35 Defeitos (d)

12
10
Nº Médio
Defeitos 8
LSC 6
  LIC 4

=6-3. 2

=0 0
1 2 3 4 5 6 7 8 9 10