Estatstica no Controle da qualidade

Profa. Luciane

Ementa

Bibliografia
Introduo ao controle estatstico da qualidade Douglas C. Montgomery Ed. LTC 4. Ed.

Software
Faremos uso do programa estatstico R disponvel em http://cran.r-project.org/ Pacote utilizado: qcc

Avaliao
Constar de uma prova escrita, uma prova prtica mais trabalhos desenvolvidos ao longo do curso. Faltar a uma prova marcada ou deixar de entregar trabalhos poder levar o aluno a VS. No h reposio de prova ou trabalho, mesmo em casos justificados.

Significado de qualidade
Consulte a bibliografia e responda as perguntas. Entregar na prxima aula.

O que qualidade? Apresente uma definio. Relacione qualidade com variabilidade O que um valor nominal ou valor alvo? O que estabelece a ISO 9000? O que estabelece o programa seis sigma? Quais as 8 dimenses da qualidade?

Definio de qualidade
Definio tradicional: qualidade significa adequao ao uso.
Definio moderna: qualidade inversamente proporcional variabilidade

Melhoria da qualidade a reduo da variabilidade nos processos e produtos

Caractersticas da qualidade
Fsicas: comprimento, largura, voltagem, viscosidade Sensoriais: gosto, aparncia, cor Orientao temporal: confiabilidade, durabilidade, praticidade

CEP: Controle Estatstico do Processo

Trata-se de um conjunto de ferramentas para a resoluo de problemas aplicadas a algum tipo de processo. As sete ferramentas principais so: 1. Histograma ou ramo e folhas 2. Grfico de Pareto 3. Diagrama de causa-e-efeito 4. Diagrama de concentrao de defeito 5. Grfico de Controle 6. Diagrama de Disperso 7. Folha de Verificao Fonte: Montgomery, Cap4, pg 95

1.1-Histograma
Um histograma consiste em um grfico com uma escala horizontal para os valores dos dados a serem representados, uma escala vertical para as freqncias e barras para representar os valores das freqncias das diversas classes. Na escala vertical pode ser representada a freqncia absoluta, a freqncia relativa ou a densidade de freqncia. A sintaxe no R : hist(x) constri um histograma (freq absoluta) hist (x, probability=T) densidade de freqncia no eixo y hist (x,breaks=n) n= nmero de barras

Exerccio 1
Construa um histograma dos dados da tabela 2.2 (ref. Bibliogrfica) sobre o dimetro interno de anis de pistons. Use as 125 observaes.

1.2-Ramo e folhas
um grfico que permite visualizar a distribuio dos dados sem a perda de informao no processo. Classificam-se os dados segundo um padro que revela a distribuio subjacente. O padro consiste em separar o nmero em duas partes: em geral o primeiro ou os dois primeiros algarismos , e o restante. Os ramos consistem nos algarismos mais esquerda e as folhas no algarismo mais direita. No R: stem(x)

Exerccio 2
Construa um ramo e folhas dos dados da tabela 2.2 (ref. Bibliogrfica) sobre o dimetro interno de anis de pistons. Use as 125 observaes.

Exerccios Cap2 pag 49 e 50

Resolva com o auxilio do R os exerccios 2-1 at 2-8 do livro do Montgomery. Entregar o script e os resultados obtidos em arquivo doc.

2-Grfico de Pareto
um grfico de colunas ou barras ordenadas de acordo com a freqncia. As categorias so ordenadas decrescentemente pelas freqncias observadas. No R , o diagrama de Pareto construdo utilizando o pacote qcc: require(qcc) pareto.chart(x, ylab = "Frequency", xlab, ylim, main, col = heat.colors(length(x)), ...)

Exemplo
Utilize os comando abaixo para gerar o grfico de pareto.
require(qcc) x=c(43500,12200,6400,4600,4200,2900,1400) names(x)=c("Veculo motorizado","Quedas","Envenenamento","Afogamento","Incndio","Ingesto de Alimentos ou Objetos","Armas de fogo") pareto.chart(x,ylab="Frequencia",main="Causas de Mortes Acidentais", col=rainbow(length(x)))

Exemplo: visualizando o grfico

3-Diagrama de causa e efeito

Compe-se de uma caixa de efeito e a linha central, sendo especificadas as principais categorias de causas potenciais, ligadas linha central. No R, pacote qcc cause.and.effect(cause, effect, title = "Causeand-Effect diagram, cex = c(1, 0.9, 1), font = c(1, 3, 2))

Exemplo
cause.and.effect(cause=list(sade=c('boa alimentacao','sono adequado','atividade fsica regular'),estudo=c('concentrao','2h estudo por dia','pesquisa em outras fontes'), ambiente=c('agradvel','silencioso','confortv el','limpo'),outros=c('conhecimento do professor','perseverana')), effect='aprovao', title='Diagrama de causa e efeito para aprovao em curso')

Visualizando o diagrama causa e efeito

4-Diagrama de concentrao de defeitos

Um diagrama de concentrao de defeito uma figura do produto, mostrando todas as vistas relevantes. Ento, os vrios tipos de defeitos so desenhados na figura e o diagrama analisado para determinar a localizao dos defeitos do produto e assim fornecer alguma informao til sobre as causas potenciais dos defeitos. Estes diagramas so importantes ferramentas para resoluo de problemas em varias industrias, incluindo chapeamento, pintura e revestimento, operaes de fundicao, maquinaria e montagem eletrnicas, pois quando os dados sobre defeitos so retratados sobre um numero suficiente de produtos, frequentemente surgem padres, e as localizaes desses padres contem, em geral, muita informao sobre as causas dos defeitos.

Exemplo

5-Grfico de controle
Um grfico de controle de uma caracterstica de um processo consiste em valores grafados seqencialmente ao longo do tempo, uma linha central, um limite inferior de qualidade (LIC) e um limite superior de qualidade (LSC). A linha do centro representa um valor central das medidas da caracterstica, e os limites de controle so fronteiras para separar e identificar quaisquer pontos considerados excepcionais.

Critrios para grfico de controle

Critrios de utilizao de grficos de controle para determinar se um processo est fora de controle estatstico:
H um padro, uma tendncia ou um ciclo que obviamente no aleatrio. H um ponto fora dos limites superior ou inferior de controle. H oito pontos consecutivos, todos acima ou todos abaixo, da reta central Regra ou seqncia de 8. Seis pontos consecutivos, todos crescentes ou todos decrescentes. Quatorze pontos consecutivos se alternando entre para cima e para baixo. Dois ou trs pontos consecutivos esto fora dos limites de controle fixados distncia de um desvio-padro a contar da reta central. Quatro dentre cinco pontos consecutivos esto fora dos limites de controle fixados distncia de dois desvios-padro a contar da reta central.

Grfico de controle no R

qcc(data, type, sizes, center, std.dev, limits, target,data.name, labels, newdata, newsizes, newlabels, nsigmas= 3,confidence.level, rules = shewhart.rules, plot =TRUE, ...) Data: conjunto de dados, vetor ou matriz contendo os dados das variveis Type: especifica o tipo de grfico (veja slide seguinte) sizes: valor ou vetor especificando o tamanho da amostra associado a cada grupo. obrigatrio para os grficos p,np, c e u center: valor especificando o centro std.dev: vetor especificando os limites de controle target: valor especificando o objetivo do processo newdata: dados novos a serem plotados, no computados inicialmente newsizes: argumento com o novo tamanho nsigmas: nmero de desvios a serem utilizados confidence.level grau de confiana ( entre 0 e 1 ) rules: regras a serem aplicadas aos grficos (default = 'shewhart.rules')

Tipos de grficos

Exemplo: tipo xbar

Vamos construir um grfico de controle para a mdia das medidas dos dimetros internos (mm) de anis de pisto de motores de automveis. O pacote qcc contm o conjunto de dados necessrio. require(qcc) #carrega o pacote qcc data(pistonrings) #acessa o conjunto de dados attach(pistonrings) #acessa as variveis do conjunto de dados diameter=qcc.groups(diameter,sample) # agrupa os dimetros de acordo com o nmero da amostra. Cada amostra contm 5 observaes. Temos um total de 40 amostras. q<-qcc(diameter[1:25,],type="xbar") #armazenando os dados para grfico de controle em objeto de nome q Summary(q) #mostra um sumrio com as medidas descritivas e os limites. Plot(q) #plota o grfico de controle xbar

Grfico de controle xbar

Incluindo novos dados

qnew <- qcc(diameter[1:25,], type="xbar, newdata=diameter[26:40,])

Exemplo: tipo R (amplitude)

Vamos construir um grfico de controle para a amplitude das medidas dos dimetros internos (mm) de anis de pisto de motores de automveis. O pacote qcc contm o conjunto de dados necessrio. require(qcc) #carrega o pacote qcc data(pistonrings) #acessa o conjunto de dados attach(pistonrings) #acessa as variveis do conjunto de dados diameter=qcc.groups(diameter,sample) # agrupa os dimetros de acordo com o nmero da amostra. Cada amostra contm 5 observaes. Temos um total de 40 amostras. q<-qcc(diameter[1:25,],type=R) #armazenando os dados para grfico de controle em objeto de nome q summary(q) #mostra um sumrio com as medidas descritivas e os limites. Plot(q) #plota o grfico de controle xbar

Grfico de controle R

6- Diagrama de disperso
O diagrama de disperso um grfico de dados emparelhados (x,y) com um eixo xhorizontal e um eixo y vertical. til para a identificao de relaes potenciais entre estas duas variveis. No R: plot(x,y)

Exemplo
x=c(2,2,3,4,4,5,6,6,8,8,9,11) y=c(6,7,7,8,9,10,15,17,15,16,17,28) plot(x,y)

7-Folha de verificao
A folha de verificao uma ferramenta de grande utilidade na coleta de dados. Trata-se de um documento para registro de falhas orientadas no tempo, e torna-se extremamente valiosa na pesquisa de tendncias e de outros padres significativos. Segundo MONTGOMERY ao se planejar uma folha de controle deve-se especificar claramente o tipo de dados a serem coletados, o nmero da parte ou operao, a data, o analista, e quaisquer outras informaes teis ao diagnstico da causa de um fraco desempenho.

Exemplo

 Hipteses:

Base estatstica dos grficos de controle: Captulo 5, Montgomery

Caracterstica da qualidade normalmente distribuda com mdia mi e desvio padro sigma conhecidos.

Na prtica
Estimamos os valores da mdia e do desvio padro atravs de amostras preliminares retiradas quando o processo ainda estava sob controle. Suponha m amostras de tamanho n cada uma. O estimador da mdia do processo ser a mdia das m mdias relativas a cada uma das m amostras de tamanho n. m n
x

x
i 1

Para os limites de controle, usando o mtodo das amplitudes devemos obter

R

m
m

xi

x
j 1

ij

R
i 1

Ri max j 1 ( xij ) min j 1 ( xij )

n n

Limites de controle para o grfico Xbar

LSC x A2 R Linha central x LIC x A2 R
Para exemplificar, conforme vimos no slide Grfico de controle xbar A linha central = 74.00118 Fazendo os clculos obtemos Rbarra = 0.02276 Consultando o anexo A obtemos A2 = 0,577 Portanto

A2 R 0,013

Logo LSC = 74,01418 LIC = 73,98818

O mtodo da amplitude funciona bem quando n<=6. (veja Montgomery pag.59). Para n>6 o grfico xbar e S so preferveis ou quando o tamanho das amostras forem variveis

Limites de controle para o grfico R

LSC D4 R Linha central R LIC D3 R

Para exemplificar, conforme vimos no slide Grfico de controle R A linha central = 0.02276 Consultando o Anexo A obtemos D4 =2,115 e D3=0 Portanto

Logo LSC = 0,04814 LIC = 0

D4 R 0,0481374

Anexo A

Exerccios Cap.5 pg 165 e 166

Resolva com o auxilio do R os exerccios 5-1 at 5-4 do livro do Montgomery. Entregar o script e os resultados obtidos em arquivo doc.