Sei sulla pagina 1di 70

Ferramentas da

Qualidade Aplicadas à
Engenharia de Produção
Profa Alessandra Lopes Carvalho
Unidade 3
Elaboração e Análise de
Gráficos de Controle
Bloco 2
Tipos de Gráficos de Controle:

• Gráfico de Controle Para Variáveis


Característica da qualidade é expressa por um
número em uma escala contínua de medidas.

• Gráfico de Controle Para Atributos


Característica da qualidade não é expressa por
uma escala contínua de medidas.
Gráficos de Controle para Variáveis:

• Gráfico de Controle para eR

• Gráfico de Controle para eS

• Gráfico de Controle para Medidas Individuais


Supondo a adequação da Distribuição de
Probabilidade Normal:

1  − 1  x − µ 2 
f ( x) = e    
σ 2∏  2  σ  

x = variável aleatória de interesse

µ = média, parâmetro de localização Fonte: MONTGOMERY ( 2004)

σ = desvio padrão parâmetro de dispersão


Porque analisamos os gráficos de controle aos
pares?

Fonte: MONTGOMERY ( 2004)


Conceitos preliminares:

Considere um processo qualquer cuja


característica de qualidade de interesse é
amostrada a cada duas horas. Em cada
amostra são coletadas 5 observações.

As amostras coletadas em um dia darão


origem a uma tabela:
Conceitos preliminares:

n é o tamanho da amostra
(número de observações)
n =5

m é o número de amostras
m =12
Fonte: Adaptado de MONTGOMERY ( 2004)
Gráfico de Controle para e R

Característica de qualidade expressa por um


número em uma escala continua de valores
controle da média do processo
R controle da variabilidade do processo

n ( tamanho da amostra) < 10


Estimação do desvio padrão pelo método da
amplitude R:
Seja x1, x2,...xm uma amostra aleatória de n
observações de uma distribuição normal com
média µ e variância σ2. A amplitude da
amostra é:
Exemplo:
R1=1.6914–1,3235=0,3679

R2=1.6109–1,3592=0,2517
.
.
.
R12=1.7599–1,3355=0,4204

m é o número de amostras
O estimador para o desvio padrão de uma
distribuição normal neste caso é:
n A2 D3 D4 d2
2 1,880 0,000 3,267 1,128

3 1,023 0,000 2,574 1,693

4 0,729 0,000 2,282 2,059

5 0,577 0,000 2,115 2,326

6 0,483 0,000 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


O estimador para a média de uma distribuição
normal neste caso é:

Onde m é o número de amostras


Exemplo:
Resumindo:

Onde m é o número de amostras

Como calcular os limites de controle?


Limites de Controle Gráfico
n A2 D3 D4 d2
2 1,880 0,000 3,267 1,128

3 1,023 0,000 2,574 1,693

4 0,729 0,000 2,282 2,059

5 0,577 0,000 2,115 2,326

6 0,483 0,000 2,004 2,534

7 0,419 0,076 1,924 2,704


Onde: 8 0,373 0,136 1,864 2,847
Constante A2 tabulada em função
9 0,337 0,184 1,816 2,970
do tamanho da amostra n
10 0,308 0,223 1,777 3,078
Limites de Controle Gráfico R
n A2 D3 D4 d2
2 1,880 0,000 3,267 1,128

3 1,023 0,000 2,574 1,693

4 0,729 0,000 2,282 2,059

5 0,577 0,000 2,115 2,326

6 0,483 0,000 2,004 2,534

7 0,419 0,076 1,924 2,704


Onde:
8 0,373 0,136 1,864 2,847
Constantes D3 e D4 tabuladas em
9 0,337 0,184 1,816 2,970
função do tamanho da amostra n
10 0,308 0,223 1,777 3,078
Exemplo :

Considere um processo genérico no qual foram


coletadas 25 amostras, cada uma contendo
cinco observações.

Estime a média e o desvio padrão, calcule os


limites de controle e esboce os gráficos de
controle e R
Fonte: MONTGOMERY ( 2004)
Gráfico

Estimativa da média Fonte: MONTGOMERY ( 2004)


Gráfico R

Estimativa do desvio padrão


Fonte: MONTGOMERY ( 2004)
Fonte: MONTGOMERY ( 2004)
Gráfico de Controle para e S

Característica de qualidade expressa por um


número em uma escala continua de valores
controle da média do processo
S controle da variabilidade do processo

n ( tamanho da amostra) > 10


Utilizados quando é desejável estimar
diretamente o desvio padrão S do processo
em vez de indiretamente através do uso da
amplitude R

O gráfico S é preferível ao R quando n> 10


porque para amostras grandes R perde eficiência
A estimação da média no gráfico de controle
para e S é realizada da mesma forma que
no gráfico de controle para e R:

Onde m é o número de amostras


Estimação do desvio padrão:

Onde:
Limites de Controle Gráfico

Onde:

Constante A3 tabulada em função


do tamanho da amostra n

* Ver apêndice VI livro texto


MONTGOMERY ( 2004)
Limites de Controle Gráfico S

Onde:

Constantes B3 e B4 tabuladas em
função do tamanho da amostra n

* Ver apêndice VI livro texto


MONTGOMERY ( 2004)
Exemplo:

Considere medidas dos diâmetros internos (mm)


de anéis de pistão de motores de automóveis

Estime a média e o desvio padrão, calcule os


limites de controle e esboce os gráficos de
controle e S
Fonte: MONTGOMERY ( 2004)
Gráfico
Gráfico S
Gráfico de Controle para Medidas
Individuais (n=1)

• Inspeção/medição automática usada de


forma que toda unidade fabricada é
inspecionada;

• Taxa de produção muito lenta;


• Medidas diferem apenas por erro de laboratório
(ex: processos químicos);

• Medidas diferem muito pouco e produzem


desvio padrão muito pequeno.
Procedimento:

1- Fazer n =1
2- Considerar em lugar de
3- Utilizar a amplitude móvel de duas observações
sucessivas para estimar a variabilidade do
processo:
Limites de Controle Gráfico para
Medidas Individuais
n A2 D3 D4 d2
2 1,880 0,000 3,267 1,128

3 1,023 0,000 2,574 1,693

4 0,729 0,000 2,282 2,059

5 0,577 0,000 2,115 2,326

6 0,483 0,000 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


Limites de Controle Gráfico Amplitude Móvel

n A2 D3 D4 d2
2 1,880 0,000 3,267 1,128

3 1,023 0,000 2,574 1,693

4 0,729 0,000 2,282 2,059

5 0,577 0,000 2,115 2,326

6 0,483 0,000 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


Exemplo:

Considere um processo no qual existe medição


automática da característica de qualidade de interesse.
Todas as unidades fabricadas são inspecionadas sendo
apresentado o resultado da inspeção para 20 unidades.

Elabore o gráfico de controle para medidas individuais:


Fonte: MONTGOMERY ( 2004)
unidade medida amplitude móvel
Medidas individuais n A2 D3 D4 d2
2 1,880 0,000 3,267 1,128
3 1,023 0,000 2,574 1,693
4 0,729 0,000 2,282 2,059
5 0,577 0,000 2,115 2,326
6 0,483 0,000 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
Amplitude móvel n A2 D3 D4 d2
2 1,880 0,000 3,267 1,128
3 1,023 0,000 2,574 1,693
4 0,729 0,000 2,282 2,059
5 0,577 0,000 2,115 2,326
6 0,483 0,000 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
Medidas individuais

Amplitude móvel
Gráficos de Controle para Atributos:

• Gráfico de Controle para Não-Conformidades

• Gráfico de Controle para Fração Não Conforme


Gráfico de Controle para
não-conformidades (Defeitos)
c
É possível que um item contenha várias não-
conformidades e não seja classificado como
não-conforme!

c= número de não-conformidades
Gráfico de Controle para Não-Conformidades
Exemplo :
Apresenta-se o número de não-conformidades
observadas em 26 amostras sucessivas de 100
placas de circuito impresso.

Fonte: MONTGOMERY ( 2004)


Número da Número de Número da Número de
Amostra Não-conformidades Amostra Não-conformidades

Total de não-conformidades:516
As 26 amostras possuem 516 não-conformidades

Cálculo dos Limites de controle tentativos:


Após a análise de causas atribuíveis foram
retirados os pontos fora dos limites de controle:
Observa-se melhora no processo:
Número da Número de Número da Número de
Amostra Não-conformidades Amostra Não-conformidades
Gráfico de Controle para Fração
Não-Conforme
p
A fração não conforme é definida como a razão
entre o número de itens não conformes D em
uma população e o total de itens naquela
população n.
Se uma amostra aleatória de n unidades é
selecionada, e se D é o número de unidades do
produto que são não conformes, então D
tem uma distribuição binomial com parâmetros
nep
Distribuição Binomial: Descreve a situação em
que só há dois resultados possíveis, como falha
ou não falha, e a probabilidade se mantém a
mesma para todas as tentativas.
n! x (n − x )
p(D = x) = p q
x ! ( n − x )!
onde n: quantidade de itens da amostra
x: itens bons
n-x: itens defeituosos
p: probabilidade de se obter um item bom
q: probabilidade de se obter um item defeituoso
Limites de Controle Gráfico Fração Não Conforme:
Exemplo :

Embalagens de papelão e fundo de metal. É


possível determinar, por inspeção, se ocorrerão
vazamentos quando a embalagem estiver cheia.
Deseja-se estabelecer um gráfico de controle para
melhorar a fração de embalagens não conformes
produzidas por uma determinada máquina.
Fonte: MONTGOMERY ( 2004)
Foram selecionadas 30
amostras com n = 50
embalagens, a intervalos
de meia hora, por um
período de 3 turnos, no
qual a máquina operou
continuamente.
Fonte: http://www.setorreciclagem.com.br
Número da Número de Fração Número da Número de Fração
Amostra Não-conformes Amostral Amostra Não-conformes Amostral
Cálculos Preliminares:
Estes pontos indicam que o
processo não está sob controle
Análise de causas aleatórias e atribuíveis:

Novo fardo de papelão Operador inexperiente

Não existe causa


atribuível o ponto
deve ser mantido
Retirar as amostras com causas atribuíveis
e refazer os cálculos:
Foram feitos ajustes na máquina e coletados
novos dados. O processo parece melhor?

Número da Número de Fração Número da Número de Fração


Amostra Não-conformes Amostral Amostra Não-conformes Amostral
Calculando novamente os limites:
O processo está sob controle após os ajustes:
Número da Número de Fração Número da Número de Fração
Amostra Não-conformes Amostral Amostra Não-conformes Amostral
Referências bibliográficas
MONTGOMERY, D.C. Introdução ao Controle Estatístico da
Qualidade. LTC, Rio de Janeiro, 2004.

TOLEDO, José Carlos et al. Qualidade. Gestão e Métodos.


LTC, Rio de Janeiro, 2013.

Potrebbero piacerti anche