GRÁFICOS DE CONTROLE COM AMOSTRAGENS DUPLAS PARA O MONITORAMENTO DE PROCESSOS BIVARIADOS
|
|
- Nina Cláudia Cruz
- 5 Há anos
- Visualizações:
Transcrição
1 GRÁFICOS DE CONTROLE COM AMOSTRAGENS DUPLAS PARA O MONITORAMENTO DE PROCESSOS BIVARIADOS Marcela A. G. Machado Departamento de Produção, UNESP Guaratinguetá, 56-40, SP, Brasil marcela@feg.unesp.br Antonio F. B. Costa Departamento de Produção, UNESP Guaratinguetá, 56-40, SP, Brasil fbranco@feg.unesp.br RESUMO Propõe-se, neste artigo, a utilização de um gráfico de controle com amostragem dupla para monitoramento de processos bivariados (gráfico BIDU). No primeiro estágio da amostragem n itens da amostra são inspecionados e duas de suas características de qualidade ( ; são medidas. Se a estatística T de Hotelling para as médias das n observações de (;, isto é ( ; ), for menor do que um valor limitante LA, a amostragem é interrompida. Se T for maior que LC, sendo LC > LA, o gráfico de controle sinaliza um desajuste do processo. Se LA < T < LC, a amostragem vai para o segundo estágio, quando então se inspecionam as n unidades restantes da amostra, e T é calculado com base nas médias de (; dos n itens da amostra, sendo n = n + n. O gráfico sinaliza um desajuste quando T for maior que LC. Um estudo comparativo mostra que o gráfico BIDU é mais ágil, na detecção de perturbações no processo, do que o gráfico bivariado tradicional ou com tamanho de amostra variável. PALAVRAS CHAVE: Estatística T de Hotelling. Processos bivariados. Amostragem dupla. ABSTRACT In this article we consider the bivariate control chart with double sampling (BIDU chart) to control processes. During the first stage of the sampling, n items of the sample are inspected and two qualit characteristics ( ; are measured. If the Hotelling statistic T for the mean of these observations of ( ;, that is ( ; ), is lower than LA the sampling is interrupted. If the Hotelling statistic T is upper than LC, where LC > LA, the control chart signals an outof-control condition. If LA < T < LC, the sampling goes on to the second stage, where the remaining n items are inspected and T for the sample means of ( ; is computed, taking into account the whole sample of size n = n + n. The control chart signals an out-of-control condition when the statistic T is larger than LC. A comparative stud shows that the BIDU chart detects process disturbances faster than the Standard Bivariate chart or Bivariate Chart with Variable Sample Size. KEYWORDS: The Hotelling statistic T. Bivariate processes. Double sampling. [ 048 ]
2 . Introdução Os gráficos de controle têm sido a principal ferramenta estatística utilizada no monitoramento de processos, graças a sua simplicidade operacional. De acordo com os fundamentos de Shewhart, sempre que um ponto é plotado na região de ação do gráfico, o responsável pelo processo deve interrompê-lo imediatamente, visando a encontrar causas especiais que afetam a qualidade dos produtos, eemplo, um desgaste de ferramenta que altera o diâmetro X dos eios que estão sendo manufaturados. Entretanto, essa simplicidade torna o gráfico de controle lento, na detecção de pequenas e moderadas alterações nos parâmetros dos processos que estão sendo monitorados, isto é, na média e/ou na variância da variável aleatória X. Diante disso, não têm sido poucas as propostas de alteração à idéia original de Shewhart, como por eemplo, os gráficos de controle adaptativos, a amostragem em dois estágios e as regras especiais de decisão, citados por Wu e Spedding (000) e Machado e Costa (005, 005a). Quando o gráfico de Shewhart está em uso, amostras de tamanho fio são retiradas do processo em intervalos regulares. A idéia do esquema adaptativo consiste em estabelecer variações nos parâmetros de projeto dos gráficos de Shewhart (como: tamanho da amostra n, intervalo de tempo entre retirada de amostras h e fator de abertura k dos limites de controle), entre um valor mínimo e um máimo, a depender da informação obtida na última amostra retirada do processo. O esquema adaptativo melhora o desempenho dos gráficos de controle, quanto à sinalização de um desajuste no processo (Renolds et al., 988; Prabhu et al., 993; Costa, 994, 997, 998, 998a, 999, 999a; Costa e De Magalhães, 006; De Magalhães et al., 00, 00, 006; De Magalhães e Moura Neto. 005; Epprecht e Costa, 00; Epprecht et al., 003, 005; Michel e Fogliatto, 00). O esquema adaptativo foi também estendido ao monitoramento de processos multivariados (Aparisi, 996); Aparisi e Haro, 00, 003; Chou et al., 006; Yeh e Lin, 00). Neste trabalho, considera-se o gráfico de controle com amostragem dupla para o monitoramento de processos bivariados (gráfico BIDU). Similar ao gráfico de controle de Shewhart, amostras com tamanho fio são retiradas do processo em intervalos regulares, mas o procedimento é realizado em dois estágios: no primeiro, n itens da amostra são inspecionados e duas características de qualidade ( ; são medidas. Se a estatística T de Hotelling para as médias das n observações de ( ;, isto é ( ; ) for menor que LA, a amostragem é interrompida. Se T for maior que LC, sendo LC > LA, o gráfico de controle sinaliza um desajuste no processo. Se LA < T < LC, a amostragem vai para o segundo estágio, quando então se inspecionam as n, unidades restantes da amostra, e calcula-se a estatística T de Hotelling para as médias de ( ; dos n itens da amostra, sendo n = n + n. O gráfico sinaliza desajuste no processo quando T > LC. O gráfico de controle com amostragem dupla foi introduzido por Daudin (99). Do mesmo modo que os esquemas adaptativos, a amostragem dupla melhora o desempenho do gráfico bivariado na detecção de perturbações no processo. De acordo com Costa e Rahim (004, 006), quando se tem um processo bastante estável, o monitoramento se torna monótono, pois raramente um valor amostral fica fora dos limites de controle. A utilização do gráfico de controle, neste conteto, tem como conseqüência natural (e negativa) a possibilidade de o usuário dispensar, cada vez menos, atenção aos procedimentos necessários à obtenção de valores como: média, variância ou amplitude amostrais. Ressalte-se, porém, que tal falta de atenção pode acarretar enganos significativos. Estando a amostragem dupla em uso e sendo n =, a freqüência que pode conduzir ao segundo estágio da amostragem é baia. Dessa forma, em grande parte do tempo, o usuário lida com a informação direta dos parâmetros sob monitoramento, ou seja, com os valores de ( ;. Dispositivos do tipo calibres permitem que, no primeiro estágio da amostragem, a inspeção seja por atributos. [ 049 ]
3 . Propriedades dos gráficos de controle bivariados com amostragem dupla Neste trabalho, propõe-se o uso de um gráfico de controle bivariado com amostragem dupla (gráfico BIDU) no monitoramento simultâneo de duas características de qualidade (;, descritas por uma distribuição normal bivariada com vetor de médias μ = ( μ ; μ ) e uma matriz σ σ de covariâncias conhecida Σ =, em que σ = σ = ρσ σ é a covariância entre σ σ e. Considera-se que, no início do monitoramento, o vetor de médias está centrado no valor-alvo, μ = μ ; μ ) ; mas após um tempo aleatório, uma causa especial altera o vetor de médias de 0 ( 0 0 μ 0 para μ, no qual ( μ μ0 ) = ( δ ; δ ), com δ 0 e/ou δ 0. No período sob controle, μ = μ 0, e no período fora de controle, μ = μ. O objetivo do monitoramento de processos é, então, detectar qualquer causa especial que altere μ do seu valor alvo μ 0. Similar ao gráfico de controle de Shewhart, amostras com tamanho n + n são retiradas do processo em intervalos regulares de tempo. A amostragem é realizada em dois estágios: no primeiro, n unidades são inspecionadas e duas características de qualidade ( ; são medidas; se a distância estatística entre X =, ) e μ = μ ; μ ), dada por ( 0 ( 0 0 T = n ( X μ0 ) Σ ( X μ0 ), sendo e as médias amostrais das duas características de qualidade ( ; levando em consideração a sub-amostra de tamanho n for menor do que um valor especificado LA, a amostragem é interrompida. Se T for maior do que um valor especificado LC, o gráfico de controle sinaliza um desajuste no processo. Se LA < T < LC, a amostragem vai para o segundo estágio, no qual se inspecionam as n unidades restantes, e a distância estatística entre X = (, ) e μ ( ; ) 0 = μ0 μ0, dada por T = n( X μ0) Σ ( X μ0), é calculada, sendo e as médias amostrais das duas características de qualidade correlacionadas ( ;, levando em consideração a amostra de tamanho n, sendo n = n + n. O gráfico sinaliza um desajuste do processo quando T > LC. Para obter as propriedades do gráfico de controle BIDU, fez-se uso do Teorema das Coordenadas Polares (Weler, 96): se um ponto P tem coordenadas retangulares (, então as coordenadas polares de P são (r, θ) em que + = r, () θ = arctan( /, () portanto, para qualquer circunferência D ( 0, a) centrada na origem, (, D(0, a) se e somente se r < a. Visando o uso desse teorema na obtenção das propriedades dos gráficos de controle BIDU, define-se que T = n( X Σ ( X = g ( n, + g ( n, ), em que μ g ( n, = h ( )cosϕ h ( senϕ, (3) g n, = h ( ) sinϕ + h ( ) cosϕ, (4) ( sendo sen ϕ = σ /( σ σ ), h ) = nσ ( μ )/ Σ, h = nσ ( μ ) / Σ, e ( ( Σ = det Σ = σ σ σ >0. De acordo com o Teorema A (ver o Apêndice), [ 050 ]
4 g n, = ( g ( n,, g ( n, )) segue uma distribuição normal, com vetor de médias igual a ( μ zero e matriz de covariância unitária ε = 0 0. Conseqüentemente, a a a Pr[ T < a ] = f N (0, ) (, dd = ε r ep( r ) dr = ep( a / ) (5) a a 0 em que f N(0, ε ) (, = ep[ 0,5( + )]. Quando o processo está sob controle, π p 0 = Pr[ LA < T < LC] é a probabilidade de que a amostragem dupla seja interrompida no primeiro estágio p0 = [ep(- LA / ) ep(- LC / )] (6) No período sob controle, o número médio de itens inspecionado por amostragem, n, é dado por n = n + n( - p0) = n + n[ep(-la / ) ep(-lc / )] (7) Quando a amostra de tamanho n é dividida em duas subamostras de tamanho n e n, sendo n + n = n, tem-se que n g( n, + n g( n, g( n, μ ) =. (8) n + n A probabilidade de se ter um alarme falso no primeiro estágio, ou seja, g( n, μ 0 ) D(0, LC ), é dada por α = f N (0, ε ) (, dd (9) D(0, LC ) E, de acordo com (8), a probabilidade de se ter um alarme falso no segundo estágio é dada por α f f dudv = N (0, ε ) (, ) N dd D LA LC (0, ε ) (, ) D( C, R) (0) n + n em que C( n n ; n n ) e R = LC. n O poder do gráfico de controle BIDU pode ser obtido com auílio do teorema das coordenadas polares e com base nas epressões (3) e (4). Após a ocorrência da causa especial, o vetor de médias se desloca do seu valor alvo μ 0 para μ. Seja então: g g [ σ δ cosϕ + σ δ sen ϕ] n δ n μ μ =, Σ ( n, ) g( n, 0 ) = [ σ δ cosϕ + σ δ sen ϕ] n δ n μ μ = Σ ( n, ) g ( n, 0) = O poder do gráfico de controle no primeiro estágio é dado por p = f ε (, dd. () D( a, LC ) N (0, ) ) [ 05 ]
5 E no segundo estágio, o poder do gráfico é dado por p f f dudv = N (0, ε ) (, ) N dd LA LC (0, ε ) (, ) D( C, R) () em que a ( n δ n δ ) = e C n n + δ n ; n n + δ ). ; ( n Desse modo, α = α + α é a probabilidade de se ter um alarme falso quando a amostragem dupla está em uso, e p = p + p é o poder de detecção do gráfico de controle BIDU. Para obter as propriedades do gráfico de controle bivariado com amostragem dupla, utilizou-se a biblioteca IMSL FORTRAN, na qual a sub-rotina DTODQ está disponível para o cálculo de integrais duplas. 3. Desempenho do gráfico de controle bivariado com amostragem dupla A eficiência de um gráfico de controle na detecção de alterações no processo pode ser medida pelo número médio de amostras até o sinal (NMA) (Costa et al., 005). No período sob controle, o NMA=/α e é denominado NMA 0 ; no período fora de controle, NMA=/p. A Figura mostra um gráfico de controle BIDU com os valores de dá um sinal quando T LC i > e T LC i círculo, veja-se a 3 a amostra. Os pontos amostrais T e i i >. Nesse caso, o ponto T plotados. O gráfico de controle T é envolvido por um i T, ao caírem na região entre o LA e o LC i, disparam a inspeção de toda a amostra e, nesses casos, a estatística T é calculada e comparada i com LC. Para evitar o uso de dois gráficos, um para o primeiro estágio e outro para o segundo estágio, o usuário pode construir o gráfico BIDU com duas escalas, uma do lado esquerdo e uma do lado direito, como ilustrado na Figura. Quando o gráfico com duas escalas é utilizado, os valores T correspondem aos pontos pretos que são plotados conforme a escala da esquerda, e os i valores direita. T correspondem aos pontos brancos que são plotados, de acordo com a escala da i [ 05 ]
6 T i LC T i LC LA Tamanho da amostra (i) Valores de T i Valores de T i Figura - Gráfico de Controle BIDU com os valores de T i e Quando um processo está sob controle, é desejável que o número médio de amostras retiradas do processo, desde o início do monitoramento até o sinal (NMA 0 ), seja grande, de modo a garantir poucos alarmes falsos. Quando um processo está fora de controle, é desejável que o número médio de amostras retiradas, desde a ocorrência de uma causa especial até o sinal (NMA), seja pequeno, de modo a garantir uma rápida detecção de alterações no processo. Os valores de NMA para o gráfico de controle bivariado com amostragem dupla são apresentados na Tabela, considerando-se α =0,00, n=4, n = e n = 6, 9 e. A escolha de n afeta a velocidade com que o gráfico BIDU sinaliza desajustes do processo. Quando n aumenta, o gráfico se torna mais ágil na detecção de pequenas alterações e mais lento, na detecção de grandes alterações. Por eemplo, na Tabela, pode-se observar que para λ=0,50, o NMA diminui de 85,00 para 63,7 quando n aumenta de 6 para. Por outro lado, para λ=3,0, o NMA aumenta de,3 para,45 quando n aumenta de 6 para. A Tabela apresenta também os valores de NMA para o gráfico bivariado tradicional (gráfico de χ ). Observe-se, na Tabela, que o gráfico BIDU tem, para qualquer valor de λ, um desempenho superior ao do gráfico de χ. T i [ 053 ]
7 Tabela - Efeito de n nos valores de NMA para o gráfico BIDU ( n = 4 e α =0,00). λ Gráfico de χ n=4 LC=0,6 n = 6 LA =,9 LC =3,85 LC =0,34 n = 9 LA =3,008 LC =3,85 LC =9,599 n = LA =3,57 LC =3,85 LC =8, ,3 00,00 00,00 00,00 0,5 5,7 85,00 7, 63,7,0 4,97,95 6,56 3,83,5 5,79 7,00 5,36 4,74,0 6,88 3,06,58,53,5 3,55,79,70,79 3,0,6,3,36,45 λ = n( δ + δ ), com δ = δ O efeito da escolha de α na velocidade com que o gráfico BIDU sinaliza o desajuste do processo pode ser observado pela comparação dos valores do NMA da Tabela ( α =0,00) com os da Tabela ( α = 0). Em geral, o gráfico BIDU se mostra mais ágil, na detecção de alterações no processo, nos casos em que α = 0. Por eemplo, pode-se observar, na Tabela, que para α =0,00, λ=0,50 e n = 6, o NMA é igual a 85,00, e o valor correspondente na Tabela, em que α = 0, é igual a 80,08. A Tabela apresenta também os valores de NMA para o gráfico bivariado tradicional (gráfico de χ ). Observe-se, na Tabela, que o gráfico BIDU tem, para qualquer valor de λ, um desempenho superior ao do gráfico de χ. Tabela - Efeito de α nos valores de NMA para o gráfico BIDU ( n =4 e α =0). λ Gráfico de χ n=4 LC=0,6 n = 6 LA =,99 LC =30,0 LC =9,95 n = 9 LA =3,007 LC =30,0 LC =9,40 n = LA =3,584 LC =30,0 LC =8, , ,5 5,7 80,08 67,4 59,3,0 4,97 0,5 5,5,88,5 5,79 6,55 5,05 4,57,0 6,88,9,50,50,5 3,55,75,68,80 3,0,6,3,35,46 λ = n( δ + δ ), com δ = δ O efeito da escolha de n na velocidade com que o gráfico BIDU sinaliza desajustes do processo pode ser observado nas Tabelas 3 e 4. A Tabela 3 contém os valores de NMA, para casos em que α = 0,00; a Tabela 4 contém os valores de NMA, para casos em que α = 0. A medida em que n aumenta, o gráfico se torna mais ágil na detecção de mudanças no processo. Por eemplo, na Tabela 3 pode-se observar que, para λ=0,50, o NMA diminui de 78,70 para 68,55, quando n aumenta de para 3. [ 054 ]
8 Tabela 3 - Efeito de n nos valores de NMA para o gráfico BIDU ( α =0,00; n =4 e n = 9). λ Gráfico de χ n=4 LC=0,6 n = LA =,9 LC =3,85 LC =9,69 n = LA =3,008 LC =3,85 LC =9,599 n =3 LA =4,377 LC =3,85 LC =9, , , ,5 5,7 78,70 7, 68,55,0 4,97 9,5 6,56 5,40,5 5,79 6,34 5,36 5,06,0 6,88 3,03,58,49,5 3,55,98,70,65 3,0,6,58,36,3 λ = n( δ + δ ), com δ = δ Tabela 4 - Efeito de n nos valores de NMA para o gráfico BIDU ( α =0; n =4 e n = 9). λ Gráfico de χ n=4 LC=0,6 n = LA =,9 LC =30,0 LC =9,76 n = LA =3,008 LC =30,0 LC =9,40 n =3 LA =4,377 LC =30,0 LC =8, , ,5 5,7 7,70 67,4 64,83,0 4,97 7,5 5,5 4,57,5 5,79 5,93 5,05 4,89,0 6,88,9,50,46,5 3,55,95,68,65 3,0,6,57,35,3 λ = n( δ + δ ), com δ = δ 4. Comparações dos gráficos Assim como o esquema adaptativo, o gráfico de controle BIDU foi criado para suprir a necessidade de uma ferramenta estatística ágil na detecção de pequenas alterações nos parâmetros do processo. Dessa forma, é interessante comparar o desempenho do gráfico proposto e do gráfico de controle T de Hotelling, com tamanho de amostra variável (gráfico VSS, do inglês Variable Sample Size). O gráfico de Shewhart univariado, com tamanho de amostra variável, foi estudado por Prabhu et al. (993) e Costa (994). Aparisi (996) estendeu esses estudos ao gráfico de controle multivariado, baseado na estatística T de Hotelling, na qual dois tamanhos de amostras são utilizados, n e n, sendo n > n. Define-se um limite de advertência w, no qual 0 < w < LSC, para identificar quando o tamanho da amostra deve ser alterado (Fig. ). O tamanho da amostra do subgrupo i depende do valor de T. Se T < w, o tamanho de amostra do i-ésimo subgrupo é n. Se w < Ti < LSC, o tamanho da amostra do i-ésimo subgrupo é n. Os pontos pretos no gráfico da Figura correspondem às amostras de tamanho n, e os pontos brancos correspondem às amostras de tamanho n. Se T i > LSC, o gráfico de controle sinaliza. i i [ 055 ]
9 T i LSC w Número da amostra (i) Tamanho de amostra n Tamanho de amostra n Figura - Gráfico de controle T de Hotelling com tamanho de amostra variável. A Tabela 5 apresenta os valores de NMA para o gráfico BIDU e para o gráfico de controle T de Hotelling, com tamanho de amostra variável. Aparisi (996), por meio de cadeias de Markov, obteve valores do NMA para o gráfico de controle T de Hotelling, com tamanho de amostra variável, semelhantes aos de Costa (994). Tabela 5 - Valores de NMA para os gráficos de controle VSS e BIDU com n = 4 e α =0,00. n = n = 6 n = 9 n = VSS BIDU LA =,9 VSS BIDU LA =3,008 VSS λ w=,386 LC =3,8 w=,68 LC =3,8 w=3,8 LSC=0,59 5 LSC=0,59 5 LSC=0,59 7 LC =0,34 7 LC =9, ,0 00,0 00,00 00,0 00,00 00,0 00,00 0,5 3,45 85,00 0,83 7, 06,0 63,7,0 34,70,95 8,8 6,56 3,54 3,83,5,85 7,00 7,78 5,36 6, 4,74,0 4,55 3,06 3,44,58 3,4,53,5,55,79,5,70,30,79 3,0,85,3,8,36,96,45 δ λ = n( δ + δ ), com δ = BIDU LA =3,57 LC =3,8 5 LC =8,933 VSS. De acordo com a Tabela 5, o gráfico BIDU tem um desempenho superior ao do gráfico [ 056 ]
10 5. Conclusões Verificou-se, neste trabalho, que um gráfico de controle bivariado com amostragem dupla pode detectar a ocorrência de alterações especiais em processos. Quando o processo é bastante estável, e o gráfico T está em uso, o monitoramento torna-se monótono, pois raramente um valor amostral se apresenta fora dos limites de controle. Pode-se dizer que uma conseqüência natural na utilização desse gráfico, nessas condições, é a possibilidade de o usuário relaar sua atenção, quanto à rotina necessária à obtenção da estatística T. Não obstante, devese destacar que a falta de observação da rotina pode desencadear sérios enganos em alguns casos. Quando o gráfico BIDU está em uso e n =, a freqüência com que se vai para o segundo estágio de amostragem é baia. Conseqüentemente, na maioria das vezes, o usuário estará lidando com a informação direta dos parâmetros que estão sendo monitorados, ou seja, com os valores de ( ;. Nesse caso, a adoção de dispositivos do tipo calibres vão possibilitar uma inspeção por atributos no primeiro estágio da amostragem. Os resultados numéricos obtidos mostram que o gráfico proposto apresenta um melhor desempenho, quando comparado com os gráficos bivariado tradicional e bivariado VSS, em termos da velocidade com que eles detectam alterações nos parâmetros do processo. Um ponto que merece destaque é o fato de que a adoção de um limite de ação para o primeiro estágio da amostragem em geral reduz o desempenho do gráfico de controle, além de aumentar a compleidade do dispositivo de monitoramento. A idéia de se trabalhar com n e LC = tem sido eplorada por Costa e Machado (006). Agradecimentos: À CAPES e ao CNPq pelo apoio financeiro e às sugestões dos revisores deste artigo, que em muito contribuíram para aperfeiçoar o trabalho. = Apêndice: Prova do Teorema A As funções aleatórias g ( n, ) e g ( n, ) são normais, porque elas são combinações lineares das variáveis normais i e i. Sabe-se que μ μ σ σ E( μ ) =, E( μ ) =, n n σ E( μ )( μ = n Após algumas simplificações, obtém-se que σ σ n E[ g( n, ] = σ σ σ senϕ cosϕ. Σ n n Por simetria dos índices e, tem-se que n σ σ E[ g( n, ] = E[ g( n, ] = σ σ σ senϕ Σ n n Como sen ϕ = σ /( σ σ ) e Σ = σ σ σ segue que [ σ σ σ ] E[ g ( n, μ )] = E[ g ( n, ] = = Σ Similarmente [ 057 ]
11 [ σ σ σ sen ] 0 n σ σ σ σ σ E[ g ( n, g( n, ] = σ σ senϕ = ϕ = Σ n n Σ O Teorema A está provado. Referências Aparisi, F. (996), Hotelling s T Control Chart with Adaptive Sample Sizes, International Journal of Production Research, 34, Aparisi, F. e Haro, C. L. (00), Hotelling s T Control Chart with Variable Sampling Intervals, International Journal of Production Research, 39, Aparisi, F. e Haro, C. L. (003), A Comparison of T² Control Charts with Variable Sampling Schemes as Opposed to MEWMA Chart, International Journal of Production Research, 4, Chou, C.Y., Chen, C.H. e Chen, C.H. (006), Economic Design of Variable Sampling Intervals T Control Charts Using Genetic Algorithms, Epert Sstems with Applications, 30, Costa, A. F. B. (994), X charts with Variable Sample Size, Journal of Qualit Technolog, 6, Costa, A. F. B. (997), X charts with Variable Sample Size and Sampling Interval, Journal of Qualit Technolog, 9, Costa, A. F. B. (998), Joint X and R Charts with Variable Parameters, IIE Transactions, 30, Costa, A. F. B. (998a), Gráficos de Controle X para Processos Robustos, Gestão&Produção, 5, Costa, A. F. B. (999), Joint X and R charts with Variable Sample Sizes and Sampling Intervals, Journal of Qualit Technolog, 3, Costa, A. F. B. (999a), X Charts with Variable Parameters, Journal of Qualit Technolog, 3, Costa, A. F. B. e De Magalhães M. S. (006), An Adaptive Chart for Monitoring the Process Mean and Variance, Qualit and Reliabilit Engineering International, (aceito para publicação). Costa, A. F. B. e Machado, M. A. G. (006), Snthetic Control Charts with Two-Stage Sampling for Monitoring Bivariate Processes, Pesquisa Operacional, (submetido). Costa, A. F. B. e Rahim, M. A. (004), Joint X and R Charts with Two Stage Samplings, Qualit and Reliabilit Engineering-International, 0, Costa, A.F.B. e Rahim, M. A. (006), The Non-central Chi-square Chart with Two Stage Samplings, European Journal of Operation Research, 7, Costa, A.F.B., Epprecht E.K. e Carpinetti, L.C.R., Controle Estatístico de Qualidade, Editora Atlas, São Paulo, 005. Daudin, J. J. (99), Double sampling X charts, Journal of Qualit Technolog, 4, De Magalhães, M. S., Epprecht, E. K. e Costa, A. F. B. (00), Economic Design of a VP X Chart, International Journal of Production Economics, 74, De Magalhães, M. S., Costa, A. F. B. e Epprecht, E. K. (00), Constrained Optimization Model for the Design of an Adaptive X Chart, International Journal of Production Research, 40, De Magalhães, M. S. e Moura Neto, F. D. (005), Joint Economic Model for Totall Adaptive X and R Charts, European Journal of Operational Research, 6, De Magalhães, M. S., Costa, A. F. B. e Moura Neto, F. D. (006), Adaptive Control Charts: A Markovian Approach for Processes Subject to Independent Out-of-control Disturbances, International Journal of Production Economics, 99, Epprecht, E. K. e Costa, A. F. B. (00), Adaptive Sample Size Control Charts for Attributes, [ 058 ]
12 Qualit Engineering, 3, Epprecht, E. K., Costa, A. F. B. e Mendes, F. C. T. (003), Adaptive Control Charts for Attributes, IIE Transactions, 35, Epprecht, E. K., Costa, A. F. B. e Mendes, F. C. T. (005), Gráficos de Controle por Atributos e Seu Projeto na Prática Pesquisa Operacional, 5, Machado, M. A. G. e Costa, A. F. B. (005), Snthetic Control Chart for Monitoring the Process Mean and Variance, Proceedings of the XI International Conference on Industrial Engineering and Operations Management, Porto Alegre, RS,, 7-3. Machado, M. A. G. e Costa, A. F. B. (005a), Gráficos de Shewhart Baseados na Estatística de Qui-quadrado e com Regra Especial de Decisão, XXXVII Simpósio Brasileiro de Pesquisa Operacional, Gramado, RS, cd room, 8 páginas. Michel, R e Fogliatto, F. S. (00), Projeto Econômico de Cartas Adaptativas para Monitoramento de Processos, Gestão&Produção, 9, 7-3. Prabhu, S. S., Runger, G. C. e Keats, J. B. (993), An Adaptive Sample Size X Chart, International Journal of Production Research, 3, Renolds, M. R., Jr., Amin, R. W., Arnold, J. C. e Nachlas, J. A. (988), X Charts with Variable Sampling Intervals, Technometrics, 30, 8-9. Weler, C., Analtic Geometr: A vector Approach, Addison-Wesle Publishing, London, 96. Wu, Z. e Spedding, T. A. (000), A Snthetic Control Chart for Detecting Small Shifts in the Process Mean, Journal of Qualit Technolog, 3, Yeh, A. B. e Lin, D. K. J. (00), A New Variables Control Chart for Simultaneousl Monitoring Multivariate Process Mean and Variabilit, International Journal of Reliabilit, Qualit and Safet Engineering, 9, [ 059 ]
GRÁFICOS DE SHEWHART BASEADOS NA ESTATÍSTICA DE QUI- QUADRADO E COM REGRA ESPECIAL DE DECISÃO
7 a 3/9/5, Gramado, RS GRÁFICOS DE SHEWHART BASEADOS NA ESTATÍSTICA DE QUI- QUADRADO E COM REGRA ESPECIAL DE DECISÃO Marcela Aparecida Guerreiro Machado Departamento de Produção, UNESP Guaratinguetá, 1516-41,
Leia maisGRÁFICOS DE CONTROLE DE XBARRA PARA O MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS COM REGRA ESPECIAL DE DECISÃO
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 12 a15 de outubro
Leia maisO USO DA ESTATÍSTICA DE QUI-QUADRADO NO MONITORAMENTO DE PROCESSOS
O USO DA ESTATÍSTICA DE QUI-QUADRADO NO MONITORAMENTO DE PROCESSOS Antonio F. B. Costa UNESP, 56-4 Guaratinguetá, SP, fbranco@feg.unesp.br Maysa S. De Magalhães ENCE, 3-5 Rio de Janeiro, RJ, maysa@ibge.gov.br
Leia maisGRÁFICOS X E R COM AMOSTRAGENS EM DOIS ESTÁGIOS
GÁFICOS X E COM AMOSTAGENS EM DOIS ESTÁGIOS A. F. B. COSTA Departamento de Produção C. P. 5, Guaratinguetá, S. P., Brazil When joint X and charts are in use, samples of fixed size are regularly taken from
Leia maisMONITORING BIVARIATE PROCESSES WITH A SHEWHART CHART
MONITORING BIVARIATE PROCESSES WITH A SHEWHART CHART Antonio Fernando B. Costa Universidade Estadual Paulista, Faculdade de Engenharia de Guaratinguetá Campus de Guaratinguetá, São Paulo fbranco@feg.unesp.br
Leia maisO uso da estatística de qui-quadrado No
O uso da estatística de qui-quadrado No controle de processos Antônio Fernando Branco Costa FEG/UNESP, Avenida Ariberto Pereira da Cunha, 333, CEP 1516-410, Bairro do Pedregulho, Guaratinguetá, SP e-mail:
Leia maisDIFERENTES ESTRATÉGIAS DE AMOSTRAGENS PARA REDUZIR O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DA MÉDIA
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 2 a5 de outubro
Leia maisO EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DE CONTROLE EWMA
O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DE CONTROLE EWMA ROBERTO CAMPOS LEONI (UNESP) rcleoni@yahoo.com.br Antonio Fernando Branco Costa (UNESP) fbranco@feg.unesp.br Gráficos de controle são
Leia maisUma Análise de Desempenho de Gráficos de Controle Multivariados. Rodrigo Luiz P. Lara 1, José Ivo Ribeiro Júnior 2, Rafael L. R.
ISSN: 2317-0840 Uma Análise de Desempenho de Gráficos de Controle Multivariados Rodrigo Luiz P. Lara 1, José Ivo Ribeiro Júnior 2, Rafael L. R. Oliveira 3 1,2 DET-UFV: Universidade Federal de Viçosa, Viçosa-MG.
Leia maisUMA ABORDAGEM GEOMÉTRICA PARA ILUSTRAR O EFEITO DA AUTOCORRELAÇÃO NO GRÁFICO DE CONTROLE T2 DE HOTELLING
Curitiba, PR, Brasil, 07 a 0 de outubro de 04. UMA ABORDAGEM GEOMÉTRICA PARA ILUSTRAR O EFEITO DA AUTOCORRELAÇÃO NO GRÁFICO DE CONTROLE T DE HOTELLING Roberto Campos Leoni (UNESP ) rcleoni@yahoo.com.br
Leia maisCONTROLE ESTATÍSTICO DO PROCESSO: ABORDAGEM MULTIVARIADA PARA MEDIDAS INDIVIDUAIS
CONTROLE ESTATÍSTICO DO PROCESSO: ABORDAGEM MULTIVARIADA PARA MEDIDAS INDIVIDUAIS Liane Werner Departamento de Estatística / UFRGS Av. Bento Gonçalves, 9500 - Porto Alegre -RS E-mail: WERNER@MAT.UFRGS.BR
Leia maisANÁLISE DE SENSIBILIDADE DO MODELO ECONÔMICO- ESTATÍSTICO PARA O GRÁFICO X COM PARÂMETROS VARIÁVEIS
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 3, Natal-RN ANÁLISE DE SENSIBILIDADE DO MODELO ECONÔMICO- ESTATÍSTICO PARA O GRÁFICO X COM PARÂMETROS VARIÁVEIS Maysa S. de Magalhães
Leia maisEspecialização em Métodos Estatísticos Computacionais
Gráfico de Controle por Variáveis Roteiro 1. Construção de Gráficos de Controle de X e R 2. Análise de Desempenho dos Gráficos X e R 3. Alternativas para Monitoramento da Dispersão 4. Regras Suplementares
Leia maisObtenção dos projetos ótimos de gráficos de X utilizando o Matlab. Robson Silva Rossi 1 FEMEC
Obtenção dos projetos ótimos de gráficos de X utilizando o Matlab. Robson Silva Rossi 1 FEMEC robsonsilvarossi@yahoo.com.br Aurélia Aparecida de Araújo Rodrigues 2 FAMAT aurelia@famat.ufu.br Resumo Foi
Leia maisControle Estatístico de Processos Multicanal
Bruno Francisco Teixeira Simões Controle Estatístico de Processos Multicanal Tese de Doutorado Tese apresentada ao Programa de Pós-graduação em Engenharia de Produção do Departamento de Engenharia Industrial
Leia maisInfluência do Tamanho Amostral no Planejamento Econômico para Controle On-Line de Processo por Atributo com Erros de.
Influência do Tamanho Amostral no Planejamento Econômico para Controle On-Line de Processo por Atributo com Erros de 1. Introdução: Classificação Lupércio França Bessegato 1 Roberto da Costa Quinino 2
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Gráficos com.
Roteiro da apresentação 1 Controle de Qualidade Lupércio França Bessegato 2 3 4 UFMG Especialização em Estatística Setembro/2008 5 6 7 8 Monitoramento da Média Gráfico de Controle de CUSUM e de EMWA Além
Leia mais4 Medida de desempenho do gráfico de controle
4 Medida de desempenho do gráfico de controle Neste capítulo, são apresentadas as ferramentas que nos permitem comparar o desempenho do gráfico utilizado por Kang & Albin (2000) para monitorar perfis lineares,
Leia maisUm comparativo de desempenho entre gráficos de controle univariados e multivariados
Um comparativo de desempenho entre gráficos de controle univariados e multivariados Rodrigo Luiz Pereira Lara 3 Vladimir Barbosa Carlos de Souza 3. Introdução O Controle Estatístico do Processo (CEP) é
Leia maisGRÁFICOS DE CONTROLE 3D APLICADOS A PROCESSOS PARALELOS EM UMA INDÚSTRIA MANUFATUREIRA DO ESTADO DO CEARÁ
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. GRÁFICOS DE CONTROLE 3D APLICADOS A PROCESSOS PARALELOS EM UMA INDÚSTRIA MANUFATUREIRA DO ESTADO DO CEARÁ João Welliandre Carneiro Alexandre (UFC) jwca@ufc.br
Leia maisCarta Xcom Amostras de Tamanho Variável: Um Novo Procedimento Dinâmico
P. Infante, J. Rodrigues Dias / Investigação Operacional, 26 (2006) 45-63 45 Carta Xcom Amostras de Tamanho Variável: Um Novo Procedimento Dinâmico Paulo Infante J. Rodrigues Dias Departamento de Matemática
Leia maisPROJETO ESTATÍSTICO DO GRÁFICO DE CONTROLE DE X_BARRA COM TAMANHO DA AMOSTRA E INTERVALO VARIÁVEIS
Salvador, BA, Brasil, 8 a de outubro de 3. PROJETO ESTATÍSTICO DO GRÁFICO DE CONTROLE DE X_BARRA COM TAMANHO DA AMOSTRA E INTERVALO VARIÁVEIS Roberto Campos Leoni (AEDB ) rcleoni@yahoo.com.br Nilo Antonio
Leia maisEstudo Comparativo do Desempenho de Gráficos X -R, X -S e T 2 Economicamente Planejados para Processos Não Regenerativos
Estudo Comparativo do Desempenho de Gráficos, S e T Economicamente Planejados para Processos Não egenerativos Linda Lee Ho (USP) lindalee@usp.br Osiris Turnes (UnB) osiris@unb.br esumo Para um controle
Leia maisGráfico de Controle por Variáveis
Principais Gráficos de Variáveis Gráfico de Controle por Variáveis Gráfico de Média X Gráfico de Ampitude R Gráfico de Variância S 2 Gráfico de Desvio-padrão S Construção dos Gráficos de Controle X e R
Leia maisAplicação do gráfico de controle por grupos em uma indústria manufatureira do estado do Ceará
Aplicação do gráfico de controle por grupos em uma indústria manufatureira do estado do Ceará João Welliandre Carneiro Alexandre (UFC) jwca@ufc.br Luiz Fernando M. Rodrigues (ESMALTEC) qualidade@esmaltec.com.br
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Inspeção de qualidade
Roteiro da apresentação Controle de Qualidade 2 3 Lupércio França Bessegato UFMG Especialização em Estatística 4 5 Abril/2007 6 7 Exemplo: Sacos de Leite : Volume de cada saco (ml) do Controle Estatístico
Leia maisPLANEJAMENTO DO GRÁFICO ADAPTATIVO DE CONTROLE DE X COM APOIO DO AMBIENTE R. Roberto Campos Leoni a*
Versão inicial submetida em //. Versão final recebida em 6//3. Rio de Janeiro, v.6, n., p.37-53, janeiro a abril de 4 PLANEJAMENTO DO GRÁFICO ADAPTATIVO DE CONTROLE DE X COM APOIO DO AMBIENTE R Roberto
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisFundamentos do Controle Estatístico do Processo
Fundamentos do Controle Estatístico do Processo Roteiro 1. Introdução 2. Monitoramento de Processos 3. Etapa Inicial: Estabilização e Ajuste do Processo 4. Estimação da Variabilidade 5. Referências Introdução
Leia maisControle Estatístico de Qualidade. Capítulo 5 (montgomery)
Controle Estatístico de Qualidade Capítulo 5 (montgomery) Gráficos de Controle para Variáveis Relembrando Dois objetivos do CEP: Manter o processo operando em condição estável durante maior parte do tempo;
Leia maisUm Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 006 Um Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística Fabiane Renata de Santana Yassukawa (UFMG) fabianesy@yahoo.com.br
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Inspeção de qualidade
Roteiro da apresentação Controle de Qualidade 1 2 3 Outras técnicas Lupércio França Bessegato UFMG Especialização em Estatística 4 5 Setembro/2008 6 7 do Processo de produzir itens de acordo com as especificações
Leia maisCarta Xcom Amostras de Tamanho Variável: Um Novo Procedimento Dinâmico
P. Infante, J. Rodrigues Dias / Investigação Operacional, 26 (2006) 45-63 45 Carta Xcom Amostras de Tamanho Variável: Um Novo Procedimento Dinâmico Paulo Infante J. Rodrigues Dias Departamento de Matemática
Leia maisO efeito da autocorrelação no planejamento das cartas de controle de X e EWMA
Gest. Prod., São Carlos, v. 0, n. 1, p. 98-110, 013 O efeito da autocorrelação no planejamento das cartas de controle de X e EWMA Te effect of te autocorrelation on te design of te X and EWMA control carts
Leia maisGráficos de controle de EWMA e de para monitoramento de processos autocorrelacionados
Gráficos de controle de EWMA e de para monitoramento de processos autocorrelacionados FERNANDO ANTONIO ELIAS CLARO ANTONIO FERNANDO BRANCO COSTA MARCELA APARECIDA GUERREIRO MACHADO UNESP - Guaratinguetá
Leia maisCOMPARAÇÃO DO DESEMPENHO ENTRE OS GRÁFICOS DE CONTROLE X-BARRA E T - STUDENT VARIANDO- SE O NÚMERO E O TAMANHO DAS AMOSTRAS
COMPARAÇÃO DO DESEMPENHO ENTRE OS GRÁFICOS DE CONTROLE X-BARRA E T - STUDENT VARIANDO- SE O NÚMERO E O TAMANHO DAS AMOSTRAS Flavio Luiz Mazocco (UFSCar ) mazocco@hotmail.com Germano Mendes Rosa (IFMG )
Leia maisGRÁFICOS ADAPTATIVOS DE CONTROLE POR ATRIBUTOS E SEU PROJETO NA PRÁTICA
versão impressa ISSN 0101-7438 / versão online ISSN 1678-5142 GRÁFICOS ADAPTATIVOS DE CONTROLE POR ATRIBUTOS E SEU PROJETO NA PRÁTICA Eugenio Kahn Epprecht * Departamento de Engenharia Industrial Pontifícia
Leia maisUNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE MESTRADO EM LOGÍSTICA E PESQUISA OPERACIONAL NÚBIA DA SILVA BATISTA BRANDÃO
UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE MESTRADO EM LOGÍSTICA E PESQUISA OPERACIONAL NÚBIA DA SILVA BATISTA BRANDÃO EFICIÊNCIA ENTRE OS GRÁFICOS DE CONTROLE T 2 DE HOTELLING E OS
Leia maisRedes de Computadores sem Fio
Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução
Leia maisMODELOS ARIMA PARA MONITORAÇÃO DA QUALIDADE DA PRODUÇÃO DA INDÚSTRIA TÊXTIL OESTE LTDA
MODELOS ARIMA PARA MONITORAÇÃO DA QUALIDADE DA PRODUÇÃO DA INDÚSTRIA TÊXTIL OESTE LTDA Orientadora: Dra. Maria Emília Camargo Co-Orientadora: Dra. Suzana Leitão Russo Bolsistas de Apoio Técnico: Jonas
Leia maisFundamentos do Controle Estatístico do Processo
Fundamentos do Controle Estatístico do Processo 1. Introdução Roteiro 2. Monitoramento de Processos 3. Etapa Inicial: Estabilização e Ajuste do Processo 4. Estimação da Variabilidade 5. Referências Introdução
Leia mais4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão
4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão Neste capítulo são obtidas as medidas desempenho dos gráficos de controle de Shewhart descritos no Capítulo 2
Leia maisCONSTRUÇÃO, USO E ANÁLISE DE DESEMPENHO DE GRÁFICOS DE CONTROLE COM LIMITES ASSIMÉTRICOS E PARÂMETROS VARIADOS
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 CONSTRUÇÃO, USO E ANÁLISE DE DESEMPENHO DE GRÁFICOS DE CONTROLE COM LIMITES ASSIMÉTRICOS E PARÂMETROS VARIADOS Celso Luiz Goncalves (UFSCar ) celso_luiz_goncalves@yahoocombr
Leia maisMonitoramento das médias de um processo bivariado por gráficos de controle por atributos e/ou variáveis
Universidade Federal do Rio Grande do Norte Centro de Ciências Exata e da Terra Programa de Pós-Graduação em Matemática Aplicada e Estatística Moizés da Silva Melo Monitoramento das médias de um processo
Leia maisANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE DA VARIÂNCIA COM PARÂMETRO ESTIMADO
ANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE DA VARIÂNCIA COM PARÂMETRO ESTIMADO Pedro Carlos Oprime (DEP/UFSCar) pedro@dep.ufscar.br Gilberto Miller Devos Ganga (DEP/UFSCar) ganga@dep.ufscar.br O objetivo
Leia maisO efeito da autocorrelação no desempenho do gráfico de X e na produção de itens não conformes.
O efeito da autocorrelação no desempenho do gráfico de X e na produção de itens não conformes. Roberto Campos Leoni Antônio Fernando Branco Costa Marcela Aparecida
Leia maisControle de Qualidade
Outras técnicas Controle de Qualidade Lupércio França Bessegato Especialização em Estatística Roteiro da apresentação 1 2 3 4 5 6 7 do Processo do Processo de produzir itens de acordo com as especificações
Leia maisGráficos de Controle para Variáveis
Gráficos de Controle para Variáveis CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli taconeli@ufpr.br Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento
Leia mais7 Análise de Desempenho dos Gráficos EWMA para o Controle Estatístico da Dispersão
7 Análise de Desempenho dos Gráficos EWMA para o Controle Estatístico da Dispersão Neste capítulo são obtidos os projetos ótimos e as medidas de desempenho dos gráficos de controle de grupos de EWMA projetados
Leia maisAlgoritmo Array Rápido para Filtragem de Sistemas Lineares Sujeitos a Saltos Markovianos com Variação Estruturada dos Parâmetros no Tempo
Trabalho apresentado no XXXVII CNMAC, SJ dos Campos - SP, 2017 Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Algoritmo Array Rápido para Filtragem de Sistemas Lineares
Leia maisUM MODELO DE REGRESSÃO LINEAR PARA OBTENÇÃO DO LIMITE DE CONTROLE DO GRÁFICO DE Z
UM MODELO DE REGRESSÃO LINEAR PARA OBTENÇÃO DO LIMITE DE CONTROLE DO GRÁFICO DE Z Roberto Campos Leoni (UNESP/AEDB ) rcleoni@yahoo.com.br Marcela Aparecida Guerreiro Machado (UNESP ) marcelagmachado@yahoo.com.br
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Métodos de Monte Carlo baseados em Cadeias de Markov:
Leia maisROBERTO AUGUSTO CARRÉ GRÁFICOS DE CONTROLE PARA O MONITORAMENTO DE PROCESSOS MULTIVARIADOS AUTOCORRELACIONADOS
ROBERO AUGUO CARRÉ GRÁFICO DE CONROLE PARA O MONIORAMENO DE PROCEO MULIVARIADO AUOCORRELACIONADO Monografia apresentada ao Conselho de Curso de Graduação em Engenharia de Produção Mecânica da Faculdade
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Processos.
Roteiro da apresentação 1 Controle de Qualidade Lupércio França Bessegato 2 3 4 UFMG Especialização em Estatística Setembro/2008 5 6 7 8 Gráfico de Controle de Shewhart Hipóteses do gráfico de controle
Leia maisGráficos de controle Cusum e MMEP
Gráficos de controle Cusum e MMEP CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli taconeli@ufpr.br Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento
Leia maisGráfico de Controle por Atributos
Gráfico de Controle por Atributos Roteiro 1. Gráfico de np. Gráfico de p 3. Gráfico de C 4. Gráfico de u 5. Referências Gráficos de Controle por Atributos São usados em processos que: Produz itens defeituosos
Leia maisCE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 47 Aula 3 - Métodos e filosofia do
Leia maisPLANEJAMENTO ECONÔMICO DOS GRÁFICOS DE CONTROLE DE X PARA O MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS
PLANEJAMENTO ECONÔMICO DOS GRÁFICOS DE CONTROLE DE X PARA O MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS Bruno Chaves Franco (UNESP) franco_sjc@yahoo.com.br Antonio Fernando Branco Costa (UNESP) fbranco@feg.unesp.br
Leia maisGráficos de Controle
Gráficos de Controle CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli taconeli@ufpr.br Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento de Estatística
Leia maisEspecialização em Métodos Estatísticos Computacionais
Controle de Qualidade II 1. Capacidade de Processo Roteiro 2. Avaliação da Qualidade de Medidas 3. Inspeção por Amostragem 4. Referências Capacidade de Processo Prof. Lupércio F. Bessegato 1 Roteiro 1.
Leia maisCartas de controlo com tamanhos de amostras aleatoriamente
Actas do XV Congresso Anual da SPE 323 Cartas de controlo com tamanhos de amostras aleatoriamente adaptativos André Martins Universidade de Évora, DMAT e CIMA - jimimartins@gmail.com Paulo Infante Universidade
Leia maisCONTROLE ESTATÍSTICO DE QUALIDADE
CONTROLE ESTATÍSTICO DE QUALIDADE Ralph S. Silva http://www.im.ufrj.br/ralph/ceq.html Departamento Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Março-Julho/2012 Sumário
Leia mais( µ ) and the variance ( σ 2. ) 2 control charts. Esquemas CEWMA para o controlo simultâneo de µ e de σ 2 uma abordagem Markoviana
V Congresso Anual Sociedade Portuguesa de Estatística Curia, 11 a 14 de Junho de 1997 Esquemas CEWMA para o controlo simultâneo de µ e de σ uma abordagem Markoviana Manuel João Cabral Morais Departamento
Leia maisGráficos alternativos ao gráfico de R
Gráficos alternativos ao gráfico de R Tiago M. Magalhães Departamento de Estatística - ICE-UFJF Juiz de Fora, 16 de abril de 2019 Tiago M. Magalhães (ICE-UFJF) Gráficos alternativos ao gráfico de R 16
Leia maisINSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
Leia maisPalavras-Chave: Gráficos de Controle Especiais, Geoestatística.
Estudo de Cartas Especiais e Geoestatística no Controle Estatístico de Processos Bruna Fernanda Viotto Oliveira¹ Edilson Ferreira Flores² RESUMO O presente estudo teve como objetivo explorar as técnicas
Leia maisO EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO T 2 DE HOTELLING: CASO BIVARIADO
Universidade Federal do Rio Grande do Norte Centro de Tecnologia Programa de Pós-Graduação em Engenharia de Produção Joelton Fonseca Barbosa O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO T 2 DE HOTELLING:
Leia mais( ) Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano. α, é definido como:
Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano Orlando V. Sampaio Jr. (POLI-USP) orlando.sampaio@gmail.com Celma de Oliveira Ribeiro (POLI-USP) celma@usp.br André
Leia maisUM MODELO ECONÔMICO PARA O PROJETO DE CARTAS ADAPTATIVAS DE CONTROLE
UM MODELO ECONÔMICO PARA O PROJETO DE CARTAS ADAPTATIVAS DE CONTROLE Renato Michel Flávio Sanson Fogliatto PPGEP/UFRGS e-mail: nrmichel@portoweb.com.br, ffogliatto@ppgep.ufrgs.br Abstract: Statistical
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia mais5HYLVmR&RQFHLWXDOH7UDEDOKRV3UHFHGHQWHV
5HYLVmR&RQFHLWXDOH7UDEDOKRV3UHFHGHQWHV Neste capítulo, é feita inicialmente uma revisão conceitual das principais medidas de desempenho de gráficos de controle, e é realizada uma revisão bibliográfica
Leia maisA cadeia de Markov no monitoramento, via inspeção por atributos, de processos autocorrelacionados: o programa SCAP- módulo AI
A cadeia de Markov no monitoramento, via inspeção por atributos, de processos autocorrelacionados: o programa SCAP- módulo AI Sueli Aparecida Mingoti (UFMG) - sueli@est.ufmg.br Júlia Pinto de Carvalho
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S. Silva http://www.im.ufrj.br/ralph/multivariada.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário
Leia maisCapacidade de Processo Material Complementar
Capacidade de Processo Material Complementar Exemplo Pistões Anéis de pistão para motores de automóveis produzidos por processo de forja Objetivo: Controle estatístico para diâmetro interno dos anéis por
Leia maisBRUNO CHAVES FRANCO. Orientador: Prof. Dr. Antonio Fernando Branco Costa Coorientadora: Prof a. Dr a. Marcela Aparecida Guerreiro Machado
BRUNO CHAVES FRANCO GRÁFICOS DE COM ESQUEMAS ESPECIAIS DE AMOSTRAGEM PARA O CONTROLE DE MÉDIAS QUE OSCILAM OU PARA O CONTROLE DE PROCESSOS QUE GERAM OBSERVAÇÕES AUTOCORRELACIONADAS Tese apresentada à Faculdade
Leia maisBRUNO CHAVES FRANCO PLANEJAMENTO ECONÔMICO DE GRÁFICOS DE CONTROLE X PARA MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS
BRUNO CHAVES FRANCO PLANEJAMENTO ECONÔMICO DE GRÁFICOS DE CONTROLE X PARA MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS Dissertação apresentada à Faculdade de Engenharia do Campus de Guaratinguetá, Universidade
Leia mais3 2σ 2] = σ 2 C = 1 6
GET008 - Estatística II Lista de Exercícios Inferência para uma população Profa. Ana Maria Farias. Seja X, X,, X 6 uma amostra aleatória simples de tamanho 6 de uma população Nµ; σ. Determine o valor da
Leia maisEficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais
Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais João Marcos Ramos de Moraes (UFV) jaum_55@hotmail.com José Ivo Ribeiro Júnior (UFV) jivo@ufv.br
Leia maisESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt
ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt lucas.breniuk@hotmail.com Estimação de parâmetros Média Variância Proporção Estimação de parâmetros Média: " estimador
Leia maisGRÁFICOS DE CONTROLE PARA O MONITORAMENTO DO VETOR DE MÉDIAS DE PROCESSOS BIVARIADOS AUTOCORRELACIONADOS
XXXI ENCONRO NACIONAL DE ENGENHARIA DE PRODUCAO Belo Horizonte, MG, Brasil, 4 a 7 de outubro de 11. GRÁFICOS DE CONROLE PARA O MONIORAMENO DO VEOR DE MÉDIAS DE PROCESSOS BIVARIADOS AUOCORRELACIONADOS Daniel
Leia maisObtenção do NMA do Gráfico de Controle de Regressão
Obtenção do NMA do Gráfico de Controle de Regressão Danilo Cuzzuol Pedrini (UFRGS) danilo@producao.ufrgs.br Carla Schwengber ten Caten (UFRGS) tencaten@producao.ufrgs.br Resumo: Para a aplicação dos gráficos
Leia maisANÁLISE COMPARATIVA DE CARTAS DE CONTROLE PARA DADOS DE ATRIBUTOS NÃO- CONFORMES
ANÁLISE COMPARATIVA DE CARTAS DE CONTROLE PARA DADOS DE ATRIBUTOS NÃO- CONFORMES Izabelle Cristine Hannemann de Freitas (PUCPR ) izabelle-hannemann@hotmail.com Lee Vinagre Monteiro (PUCPR ) lee_vinagre@hotmail.com
Leia mais1.2 Distribuição normal
4. Distribuição normal CAPÍTULO. INTRODUÇÃO A distribuição normal ou gaussiana é a função de densidade mais amplamente usada em aplicações estatísticas numa grande variedade de áreas. No começo dos desenvolvimentos
Leia maisAnálise de Regressão Linear Múltipla III
Análise de Regressão Linear Múltipla III Aula 6 Hei et al., 4 Capítulo 3 Suposições e Propriedades Suposições e Propriedades MLR. O modelo de regressão é linear nos parâmetros O modelo na população pode
Leia maisDESENVOLVIMENTO DE CARTAS DE CONTROLE DA QUALIDADE:MOTIVAÇÕES E INDICATIVOS DE PESQUISAS FUTURAS
DESENVOLVIMENTO DE CARTAS DE CONTROLE DA QUALIDADE:MOTIVAÇÕES E INDICATIVOS DE PESQUISAS FUTURAS Andre Luis Korzenowski (UNISINOS ) andre@korzenowski.com Wagner Augusto Muller (UNISINOS ) wagner.a.muler@hotmail.com
Leia maisCapacidade de Processo
Roteiro Capacidade de Processo 1. Limites de Especificação 2. Índices de Capacidade do Processo 3. Alarmes vs. Itens Não Conformes 4. Limites de Especificação sobre Componentes 5. Referências Capacidade
Leia maisROBERTO CAMPOS LEONI ESTUDO DO DESEMPENHO DOS GRÁFICOS DE CONTROLE QUANDO A MÉDIA DO PROCESSO OSCILA DE ACORDO COM O MODELO AR(1)
ROBERTO CAMPOS LEONI ESTUDO DO DESEMPENHO DOS GRÁFICOS DE CONTROLE QUANDO A MÉDIA DO PROCESSO OSCILA DE ACORDO COM O MODELO AR(1) Dissertação apresentada à Faculdade de Engenharia do Campus de Guaratinguetá,
Leia maisAVALIAÇÃO DOS TESTES MULTIVARIADOS DA RAZÃO DE VEROSSIMILHANÇAS E T² DE HOTELLING: Um estudo por simulação de dados
AVALIAÇÃO DOS TESTES MULTIVARIADOS DA RAZÃO DE VEROSSIMILHANÇAS E T² DE HOTELLING: Um estudo por simulação de dados Eduardo Campana Barbosa 12 Rômulo César Manuli² Patrícia Sousa² Ana Carolina Campana
Leia maisInferência Bayesiana Exata para Processos de Cox Level-Set
Inferência Bayesiana Exata para Processos de Cox Level-Set Bárbara da Costa Campos Dias 1 Flávio Bambirra Gonçalves 2 Resumo Este trabalho propõe uma metodologia de inferência exata para processos de Cox
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisCC-226 Introdução à Análise de Padrões
CC-226 Introdução à Análise de Padrões Probabilidades e Estatísticas Descritivas Carlos Henrique Q. Forster 1 1 Divisão de Ciência da Computação Instituto Tecnológico de Aeronáutica 3 de março de 2008
Leia maisEXPANSÃO DOS LIMITES DE CONTROLE DAS CARTAS DE SHEWHART CONSIDERANDO A SIGNIFICÂNCIA PRÁTICA
EXPANSÃO DOS LIMITES DE CONTROLE DAS CARTAS DE SHEWHART CONSIDERANDO A SIGNIFICÂNCIA PRÁTICA FABRICIO MARTINS DA COSTA (UFSCar) fabricio_estatistico@hotmail.com Pedro Carlos Oprime (UFSCar) pedro@dep.ufscar.br
Leia maisOTIMIZAÇÃO CONJUNTA DE GRÁFICOS DE X E S OU DE X E R
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN OTIMIZAÇÃO CONJUNTA DE GRÁFICO DE E OU DE E R Adriana Leiras (aluna de Iniciação Científica) PUC-Rio/ Departamento de
Leia maisTestes de Hipóteses. : Existe efeito
Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs. H 1 : Existe efeito Hipótese nula Hipótese alternativa Varia conforme a natureza
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Estatística Universidade do Estado do Rio de Janeiro - UERJ Rio de Janeiro RJ - Brasil ISSN 1413-9022 / v. 27 p. 13-27, 2009 CÁLCULO DO NMA DO GRÁFICO DE CONTROLE DE REGRESSÃO Danilo
Leia maisCONTROLE ESTATÍSTICO DE PROCESSOS
Ferramentas da Qualidade CONTROLE ESTATÍSTICO DE PROCESSOS CONTROLE ESTATÍSTICO DE PROCESSOS (3/4) Gráficos de controle Gráfico de controle de variáveis Gráfico de controle de atributos Gráficos de Controle
Leia maisControle Estatístico de Processo
Prof. Edson Marcos Leal Soares Ramos, Dr. Profa. Silvia dos Santos de Almeida, Dra. Profa. Adrilayne dos Reis Araújo, M.Sc. Belém 2012 Índice 1 Gráficos de Controle Para Variáveis 2 1.1 Gráficos de Controle
Leia mais