Amostras

Tratamento e análise
População
dos dados

Amostra

Estatística

Inferência sobre a população

Amostra: quantidade de valores observados pertencentes ou representativos de uma

população.
População: lote de produtos/serviços ou período de tempo que se quer analisar.
Nomenclatura

Parâmetros: são as medidas descritivas da população, geralmente desconhecidas.

Estatísticas: são as medidas descritivas calculadas em função dos elementos da

amostra.

Parâmetros Estatísticas
(população) (amostra)

Média  x
Desvio padrão  s
Proporção p p̂
Curva normal e desvio padrão

68,27%

95,45%

99,73%

99,9937%

99,999943%

99,9999998%
Tipos de cartas de controle – Variáveis

As cartas de controle por variáveis são usadas para monitorar o processo quando a
característica de interesse é mensurada em uma escala de intervalo ou de razão.
Estes gráficos são geralmente utilizados em pares. Os gráficos R e S monitoram a
variação de um processo, enquanto os gráficos X monitoram a média do processo. O
gráfico que monitora a variabilidade deve ser examinado sempre em primeiro lugar,
pois se ele indicar uma condição fora do controle a interpretação do gráfico para a
média será enganosa.

Carta -X / R Médias e amplitudes

Carta ~
X/R Medianas e amplitudes
Variáveis
Carta -X / S Médias e desvio padrão

Carta I / MR Valores (indivíduos ) e amplitude

móvel
Convenções

n = tamanho da amostra
k = número (quantidade) de amostras
=
x = média das médias das amostras (média global)
_
s = desvio-padrão amostral médio
_
R = amplitude amostral média

A2, A3, D3, D4, etc. = fatores de correção

Gráfico de controle X/R
Médias e amplitudes – Construção

Este gráfico é usado para acompanhar, controlar e analisar um processo com valores
contínuos de qualidade do produto, como o comprimento, o peso ou a concentração.
Tais valores fornecem grande quantidade de informações sobre o processo.

O uso dos gráficos de controle X e R deve ocorrer sempre que uma característica da
qualidade observada é expressa em unidades reais como peso em quilogramas,
comprimento em centímetros, temperatura em graus celsius.

Este gráfico é composto por dois gráficos que devem ser analisados em conjunto:

X, que monitora as médias dos subgrupos

R, que monitora a amplitude entre os subgrupos

O tamanho de cada subgrupo (n) deve ser constante, sendo que sempre devemos ter
2 ou mais subgrupos.
Gráfico de controle X/S
Médias e desvio padrão – Características

Estes gráficos são similares aos gráficos X-barra e R, embora o cálculo do desvio
padrão da amostra (S) seja mais difícil do que o da amplitude (R).

O uso dos gráficos de controle X e S deve ocorrer sempre que uma característica da
qualidade observada é expressa em unidades reais como peso em quilogramas,
comprimento em centímetros, temperatura em graus celsius.

Este gráfico é composto por dois gráficos que devem ser analisados em conjunto:

X, que monitora as médias dos subgrupos

S, que monitora a variabilidade entre os subgrupos

O tamanho de cada subgrupo (n) deve ser constante, sendo que sempre devemos
ter 2 ou mais subgrupos.

Quando são adotadas amostras maiores (n > 10), a amplitude já não é eficiente para
avaliar a variabilidade do processo, e devemos usar S.
Gráfico de controle I/Rm
Valores (indivíduos ) e amplitude móvel
Os gráficos de controle I/Rm monitoram dados contínuos quando somente uma
unidade pode (ou faz sentido) ser obtida. Temos k subgrupos com tamanho de
amostra igual a um (n = 1). No gráfico são plotadas as observações individuais x1,
x2, ... ,xk.

Analisamos dois gráficos:

– I, que monitora valores individuais
– Rm (amplitude móvel), que monitora a variabilidade

LSCx = x + E2. Rm
LMx = x
LICx = x – E2. Rm

LSCRm = D4. Rm
LMRm = Rm
LICRm = D4. Rm
Tabelas de fatores do CEP
__ __
Cartas ( X e R ) Cartas ( X e S )
Tamanho __ __
Carta X Carta R Carta X Carta S
Amostra
A2 d2 D3 D4 A3 C4 B3 B4
2 1,880 1,128 - 3,267 2,659 0,7979 - 3,267
3 1,023 1,693 - 2,574 1,954 0,8862 - 2,568
4 0,729 2,059 - 2,282 1,628 0,9213 - 2,266
5 0,577 2,326 - 2,114 1,427 0,9400 - 2,089
6 0,483 2,534 - 2,004 1,287 0,9515 0,030 1,970
7 0,419 2,704 0,076 1,924 1,182 0,9594 0,118 1,882
8 0,373 2,847 0,136 1,864 1,099 0,9650 0,185 1,815
9 0,337 2,970 0,184 1,816 1,032 0,9693 0,239 1,761
10 0,308 3,078 0,223 1,777 0,976 0,9727 0,284 1,716
~eR)
11 0,285Cartas3,173
de Medianas
0,256( X 1,744 Carta de0,9754
0,927 Individuais 0,321
( Xind e Rmov )
1,679
Tamanho ~
Carta X Carta R Carta X Carta R
Amostra ~2
A d2 D3 D4 E2 d2 D3 D4
2 1,880 1,128 - 3,267 2,660 1,128 - 3,267
3 1,187 1,693 - 2,574 1,772 1,693 - 2,574
4 0,796 2,059 - 2,282 1,457 2,059 - 2,282
5 0,691 2,326 - 2,114 1,290 2,326 - 2,114
6 0,548 2,534 - 2,004 1,184 2,534 - 2,004
7 0,508 2,704 0,076 1,924 1,109 2,704 0,076 1,924
8 0,433 2,847 0,136 1,864 1,054 2,847 0,136 1,864
9 0,412 2,970 0,184 1,816 1,010 2,970 0,184 1,816
10 0,362 3,078 0,223 1,777 0,975 3,078 0,223 1,777
Fórmulas para cartas de variáveis

1. Cartas da média e da amplitude

LSC X  X  A 2  R LICX  X  A 2  R R
σ̂ 
d2
LSC R  D 4  R LICR  D 3  R

2. Cartas da média e do desvio padrão

LSC X  X  A 3  S LICX  X  A 3  S S
σ̂ 
C4
LSCS  B 4  S LICS  B3  S

3. Cartas da mediana e da amplitude

~ ~ ~ ~ R
LSC X~  X  A 2  R LICX~  X  A 2  R σ̂ 
d2
LSC R  D 4  R LICR  D 3  R

4. Carta de individuais e amplitude móvel

LSC X  X  E 2  R LICX  X  E 2  R R
σ̂ 
d2
LSC R  D 4  R LICR  D 3  R
Tipos de cartas de controle – Atributos

Existem duas situações em que se utilizam atributos:

1) Quando as medidas não são possíveis, como características

inspecionadas visualmente (cor, brilho, arranhões e danos).
2) Quando as medidas são possíveis mas não são tomadas por questões
econômicas, de tempo, ou de necessidades. Em outras palavras: quando o diâmetro
de um furo pode ser medido com um micrômetro interno mas utiliza-se um calibre
passa/não-passa para determinar a sua conformidade com as especificações.

Carta p Proporção de não-conforme

Carta np Número de não-conforme

Atributos
Carta c Número de não- conformidades
Dados discretos
Carta u Média de não- conformidades
Tipos de cartas de controle – Atributos
Classificação X Contagem

Pergunta: a amostra tem alguma defeito?

SIM NÃO SIM SIM NÃO

Atributos do tipo SIM/NÃO são analisados através de gráficos do tipo p ou np.

Pergunta: quantos defeitos tem a amostra?

1 0 2 3 0

Atributos que consistem na contagem de defeitos são analisados através de gráficos do tipo c ou u.
Convenções

n = tamanho da amostra
k = número (quantidade) de amostras
d = número de defeituosos
p = fração defeituosa
_
p = fração defeituosa média
c = número de defeitos
_
c = número médio de defeitos
u = número de defeitos por unidade
_
u = número médio de defeitos por unidade
 Carta p – Proporção de não-conforme

A carta p é utilizada quando se deseja monitorar a proporção de peças não- conformes.

• As amostras coletadas deverão ser classificadas em conforme e não-conforme. Assim,
antes de iniciar o processo de coleta inicial certifique-se que as pessoas envolvidas
estão capacitadas no critério estabelecido e que o critério está claro.
• O tamanho das amostras pode ser variável. Quanto maior o tamanho da amostra,
melhor – pois a probabilidade de peças não-conformes aparecer será maior.
• A fração defeituosa da amostra é a razão entre o número de defeituosos encontrado na
amostra (d) e o tamanho da amostra (n) [p=d/n].
• A distribuição da fração defeituosa é binomial, porém quando os tamanhos das
amostras forem grandes o suficiente a distribuição pode ser aproximada para a curva
normal.

= > Jarra conforme

Critérios:
= > Jarra não-conforme, tem 2 não-conformidades

Carta np – Número de itens não-conformes: Este gráfico é similar a carta p, com a

diferença de que se deseja marcar o número de defeituosos na amostra.
Carta c – Número de não-
conformidades/Defeitos na amostra

Características:
• Utiliza-se a carta c para monitorar a quantidade média de defeitos por amostra coletada.
• As amostras devem ter tamanho constante e geralmente abaixo de dez.
• Aplicamos geralmente onde, em função do histórico do processo, há a possibilidade de
ocorrer vários tipos de defeitos de várias origens em um processo contínuo, ou então
quando em uma única amostra podem haver várias ocorrências.

Exemplo – carta c
Amostras = 10
Nº de defeituosos na amostra = 4

3
Carta u – Número de
não-conformidades/Defeitos na unidade de
inspeção
Características:
• Utiliza-se a carta u para monitorar a quantidade de defeitos por unidade de
inspeção.
• As amostras podem ter tamanho variado e geralmente ficam em no mínimo dez.

Carta u
Nº total de defeitos encontrados = 4
Unidade de inspeção = 10
Nº de defeitos/Unidade de inspeção = 4 / 10 = 0,4

3
Fórmulas para cartas de atributos

1. Carta p - Proporção de peças não- conformes

p  (1  p) p  (1  p)
LSCp  p  3  LICp  p  3 
n n
2. Carta np - Número de itens não-conformes
d d
LSC np  d  3  d . (1  ) LICnp  d  3  d . (1  )
n n
3. Carta c - Número de não-conformidades na amostra
LSCc  c  3  c LICc  c  3  c

4. Carta u – Nº de não-conformidades na unidade de inspeção

u u
LSC u  u  3  LICu  u  3 
n n
Capacidade do processo

Os limites μ ± 3σ são conhecidos como limites naturais de tolerância:

LNST = μ + 3σ (limite natural superior de tolerância)

LNIT = μ - 3σ (limite natural inferior de tolerância)

O limite de 6σ sobre a distribuição de uma característica de qualidade do produto vem a ser a

capacidade do produto, onde σ é o desvio padrão do processo otimizado e estável (sob
controle):

Capacidade do produto = 6σ

Como o valor de σ é, em geral, desconhecido, para obter a capacidade do

processo usa-se um estimador:

σ = R / d2
(onde R é a média das amplitudes das amostras e d2 é um valor que
Se n > 10 e foi feito o gráficododetamanho
depende controle xda
− samostra
, o estimador de σ é:
(n ≤ 10))
σ = √ Σ (x - x)² / n – 1 (onde n é o tamanho da amostra e x é a média das amostras)
d2 - fator para cálculo de capacidade de
processo

n D3 D4 D c4 d2
2 - 3,267 0,709 0,798 1,128
3 - 2,574 0,524 0,886 1,693
4 - 2,282 0,446 0,921 2,059
5 - 2,114 0,403 0,940 2,326
6 - 2,004 0,375 0,952 2,534
7 0,076 1,924 0,353 0,959 2,704
8 0,136 1,864 0,338 0,965 2,847
9 0,184 1,816 0,325 0,969 2,970
10 0,223 1,777 0,314 0,973 3,078

FONTE: MONTGOMERY, D.C. Introduction to statistical quality control. 2 ed. New York, John Wiley, 1991.
Índice de Capacidade Potencial do
Processo (Cp)

Não existe uma relação matemática ou estatística entre limite de controle e limite de
especificação. Os limites de controle são definidos em função da variabilidade do
processo e medido pelo desvio padrão. Os limites de especificação são
estabelecidos no projeto pelos engenheiros, pela administração ou pelo cliente.

A melhor forma de se verificar a adequação de um processo às necessidade da

engenharia de produto é através do estudo de capacidade do processo ou da relação
entre a capacidade do processo e a diferença entre os limites de especificação. Esta
relação é conhecida como índice de capacidade potencial do processo - Cp.
Cp: índice de capacidade potencial do processo, leva em consideração a dispersão
do processo (curto prazo) em relação aos limites de especificação.

Sendo:
LSE = limite superior de
LSE  LIE especificação;
Cp  LIS = limite inferior de
ˆ R/d
6 especificação;
2
6σ = capacidade do processo.
Índice de Capacidade Nominal do Processo
(Cpk)

Na prática, nem sempre o processo esta centrado na média, ou seja, pode-se chegar
a conclusões erradas quanto a capacidade do processo. Se o processo não se
encontrar centrado na média, Kane (1986) propôs a utilização do Índice de
Performance (Cpk):

Cpk: índice de capacidade nominal do processo, leva em consideração a dispersão

do processo (curto prazo) e centragem do processo em relação aos limites de
especificação.

LSE  X X  LIE
Cps  Cpi 
3ˆ R / d 3ˆ R / d
2
2

 LSE  X X  LIE 
Cpk  min  , 
 3ˆ 3ˆ R / d2 
R / d2 