Gráficos de Controle por Atributo

5.1 - Gráfico p - proporção ou fração de defeituosos

A fração de defeituosos p se define como o número de itens defeituosos (não
conformes) na amostra dividido pelo número de itens da amostra. O valor amostral
de p registra-se como uma fração do tamanho do subgrupo.
A fração de defeituosos p poderá estar referida a amostras de tamanhos
fixos n coletadas regularmente, ou também poderá se referir ao 100% da produção
num determinado intervalo de tempo (por exemplo, uma hora, um dia, etc.). Isso
significa que os subgrupos podem, em princípio, ter tamanho variável. Como
consequência da variabilidade do tamanho amostral os limites de controle também
terão amplitude variável.
A caracterização de um item como defeituoso ou não defeituoso poderá depender
da observação de uma ou de várias características de qualidade. Neste caso o item
poderá ter vários tipos de defeitos, e, em muitas circunstâncias será relevante a
classificação dos defeitos por importância diferenciada, sugerindo a utilização de
gráficos por demérito.
Assim, podemos construir os gráficos para proporção das seguintes formas

1. Tamanho amostral constante;

2. Tamanho amostral variável;
3. Com a média amostral ( );
4. Com a média dos defeituosas ( ).

A construção dos gráficos p só é possível se as seguintes condições forem

satisfeitas:

1. Tamanho amostral constante

A Linha Central e os Limites de Controle são determinados, na forma:
2. Tamanho amostral variável
Os limites de controle são (para a i-ésima amostra):

em que ni = tamanho da i-ésima amostra.

3. Com a média amostral ( )

Definimos

em que ni = tamanho da i-ésima amostra e m é o número de amostras.

Os limites de controle são:

4. Com a média dos defeituosos ( )

Definimos
onde pi = proporção de defeituosos na i-ésima amostra e m é o número de
amostras.
Assim, os limites de controle (de amplitude 3σ ) e linha média são:

Exemplo 5.1.1:
Uma fábrica de suco de laranja apresentou os seguintes dados quanto ao número
de latas amassadas (defeituosas), (ver Tabela 5.1.1). Nesse exemplo temos
tamanho da amostra n = 50.
Tabela 5.1.1: Latas amassadas na fábrica de suco de laranja

Número de Fração de
Amostras
Defeituosos (Di) Defeituosos (pi)
1 12 0,24
2 15 0,30
3 8 0,16
4 10 0,20
5 4 0,08
6 7 0,14
7 16 0,32
8 9 0,18
9 14 0,28
10 10 0,20
11 5 0,10
12 6 0,12
13 17 0,34
 14 12 0,24
15 22 0,44
16 8 0,16
17 10 0,20
18 5 0,10
19 13 0,26
20 11 0,22
21 20 0,40
22 18 0,36
23 24 0,48
24 15 0,30
25 9 0,18
26 12 0,24
27 7 0,14
28 13 0,26
29 9 0,18
30 6 0,12

clique aqui para efetuar o download dos dados utilizados nesse exemplo

Notação: Aqui consideraremos ni como sendo o tamanho de cada amostra e m o

número de amostras. Para este exemplo temos ni = 50 para todo i (tamanhos iguais)
e m = 30.
Verificação para grandes amostras:
Gráfico p

A seguir temos os resultados obtidos pelo Software Action para esse exemplo.
 Figura 5.1.1: Gráfico p.
Verificamos, no gráfico de proporção para refugo, que os pontos 15 e 23 encontram-
se fora do limite superior de controle indicando a existência de causas especiais de
variação. Após a análise destes pontos eles foram retirados da amostras e novos
limites de controle foram calculados.

Com isso, os limites de controle são

Para efetuar o download dos dados sem os pontos 15 e 23 clique aqui.
A seguir temos os resultados obtidos pelo Software Action e o gráfico sem os pontos
15 e 23, com os limites de controle revisados.

Figura 5.1.2: Gráfico p, com os limites revisados.

Podemos notar que, apesar da retirada dos pontos fora dos limites de controle e o
cálculo dos limites de controle revisados, ainda existe um ponto fora dos novos
limites indicando a presença de causa especial de variação. Após a tomada de uma
ação para a correção dessa causa especial, novos dados foram coletados e um
novo gráfico foi gerado. Estes novos dados são mostrados na tabela a seguir.
Tabela 5.1.2: Dados adicionais

Fração de
Amostras Defeituosos
Defeituosos (pi)
31 9 0,18
32 6 0,12
33 12 0,24
34 5 0,1
35 6 0,12
36 4 0,08
37 5 0,1
38 3 0,06
39 7 0,14
40 6 0,12
41 2 0,04
42 4 0,08
43 3 0,06
44 6 0,12
45 5 0,1
46 4 0,08
47 8 0,16
48 5 0,1
49 6 0,12
50 7 0,14
51 5 0,1
52 6 0,12
53 3 0,06
54 4 0,08
 clique aqui para efetuar o download dos dados utilizados nesse exemplo

Assim, os limites de controle para os novos dados são

A seguir temos os resultados obtidos pelo Software Action.

 Figura 5.1.3: Gráfico p, com dados adicionados.
Podemos verificar no gráfico da Figura 5.1.3 que, após a ação sobre a causa
especial de variação seguida da coleta de novos dados o processo encontra-se sob
controle estatístico.

Exemplo 5.1.2:
Temos a seguir dados sobre defeitos de inclusão de areia de moldes de eixo-
comando.
Tabela 5.1.3: Defeitos de inclusão de areia

Total Fundido Defeitos de

Amostras
(ni) inclusão (Di)
1 1536 33
2 1536 49
 3 1536 31
4 1536 52
5 1536 30
6 1536 26
7 1520 51
8 1488 25
9 1344 41
10 944 18
11 1152 22
12 1152 13
13 1683 13
14 1700 25
15 1700 62
16 1870 15
17 1140 30
18 1152 26
19 1140 4
20 1128 23
21 1152 10
22 1128 6
23 1152 21
24 1152 21
25 1152 7
26 1152 22
27 1152 23
28 1140 16
29 1140 15
30 1128 18

clique aqui para efetuar o download dos dados utilizados nesse exemplo
Notação: Aqui consideraremos ni como sendo o tamanho de cada amostra e n o
número de amostras. Para este exemplo, ni assume valores diferentes para cada
amostra e n = 30.

Gráfico p
Calculamos agora o Limite Superior e o Limite Inferior para a primeira amostra
(Amostra 1) em que ni = 1536.

O mesmo procedimento deve ser feito para todas as outras amostras.

A seguir apresentamos os resultados obtidos pelo Software Action para todas essas
amostras.
 Figura 5.1.4: Gráfico p.
Podemos verificar no gráfico da Figura 5.1.4 a existência de vários pontos fora do
limite de controle indicando que o processo não está sob controle estatístico.