UNIVERSIDADE FEDERAL DE ALFENAS

Tamanho: px
Começar a partir da página:

Download "UNIVERSIDADE FEDERAL DE ALFENAS"

Transcrição

1 UNIVERSIDADE FEDERAL DE ALFENAS RAFAEL LEMOS BASTOS CEPpt: UM PACOTE R PARA O CONTROLE ESTATÍSTICO DE PROCESSO Alfenas 2011

2 Rafael Lemos Bastos CEPpt: Um pacote R para o Controle Estatístico de Processo Trabalho de Conclusão de Curso apresentado a Universidade Federal de Alfenas, como parte dos requisitos para obtenção do título de Licenciado em Matemática. Orientador Prof. Dr. Eric Batista Ferreira Universidade Federal de Alfenas Alfenas 2011

3 Resumo O presente trabalho apresenta a criação de um pacote estatístico chamado CEPpt (Controle Estatístico de Processo - Português), que pode ser utilizado no monitoramento de processos em geral. Este pacote foi desenvolvido utilizando o software R, sendo um ambiente computacional livre mais dinâmico e completo, dando opções aos usuários de construirem os mais importantes gráficos do Controle Estatístico de Processo. A utilização destes pacotes computacionais tem sido cada vez mais frequente no meio acadêmico, devido principalmente aos avanços tecnológicos. No campo do ensino de Controle Estatístico de Processo, não poderia ser diferente, principalmente para atender a complexidade dos atuais processos. Houve grande evolução nesta área, na medida em que os pacotes permitiram aos acadêmicos fixarem-se mais na análise e interpretação de resultados, sendo que, para auxiliá-los, a representação gráfica computacional é essencial pois economiza tempo e esforço nos procedimentos, enfatizando a interpretação dos resultados. Para construir os gráficos de controle gerados por este pacote foram utilizadas massas de dados reais de uma indústria de laticínios. Conclui-se que o pacote CEPpt é uma ferramenta alternativa que alcançou os objetivos desejados. Palavras chave: Software R. Gráficos de Controle. Controle Estatístico de Processo.

4 Abstract This work aimed the creation of a statistical package (namely CEPpt, the acronym for Controle Estatístico de Processo - Português ), which can be used for monitoring general processes. This package was developed using the software R, with a free computing environment more dynamic and complete, giving users options to build the most important graphics in Statistical Process Control. The use of these computing packages have been increasingly frequent in academia, mainly due to technological advances. In teaching Statistical Process Control could not be different, mainly to understand the complexity of current processes. There was great progress in this area. Packages have enabled students setting on analysis and interpretation of results. The computational graphic representation became essential, saving time and effort in the procedures, emphasizing the interpretation of results. To construct the control charts generated by this package, we used real data sets from a dairy industry. Package CEPpt is an alternative tool who achieved the desired goals. Keywords: R Software. Control Charts. Statistical Process Control.

5 Sumário 1 Introdução 6 2 Revisão de Literatura Controle Estatístico de Processo Função qcc() Gráficos de Controle Gráficos para medidas de posição Gráficos para medidas de variabilidade Fatores de correção de viés Padrões de não-aleatoriedade Capacidade do Processo Metodologia Materiais Métodos Resultados e discussão Função Media.A Função Media.DP Função MediaM.AM Função Medidaind.AM Função CP

6 5 Conclusão 36 Referências 37

7 6 1 Introdução O Controle Estatístico de Processo (CEP ) é uma poderosa coleção de ferramentas de resolução de problemas útil na obtenção da estabilidade do processo e na melhoria da capacidade através da redução da variabilidade (MONTGOMERY, 2009). Hoje em dia, não há fábrica no mundo que não aplique pelo menos algumas ferramentas simples do Controle Estatístico de Processo para melhoria dos processos industriais. Uma das principais e mais sofisticada ferramenta é o Gráfico de Controle, com ele é possível detectar se um processo está sob controle estatístico com o auxílio dos padrões de não-aleatoriedade, pois um processo é considerado fora de controle ou instável quando são detectados padrões de não-aleatoriedade. De acordo com Nomelini, Ferreira e Oliveira (2009), no processo sob controle, a característica de qualidade do conjunto dos itens produzidos possui distribuição normal e quando a variabilidade se torna anormal, as amostras indicarão que o processo de fabricação se modificou e ficou fora de controle. Segundo Henning, Alves e Vieira (2007), a utilização de pacotes computacionais tem sido cada vez mais frequente no meio acadêmico. Não poderia ser diferente no campo do ensino de Controle Estatístico de Processo que acompanha os avanços da tecnologia para atender à complexidade dos atuais processos. Houve grande evolução nesta área, na medida em que os pacotes permitiram aos acadêmicos fixarem-se mais na análise e interpretação de resultados. Os gráficos que estão entre as mais importantes e úteis técnicas de controle e monitoramento de processos são: média amostral, medida individual, média móvel, amplitude móvel, amplitude e desvio padrão. Eles são geralmente utilizados em pares, sendo um gráfico para uma medida de posição e outro para uma medida de variabilidade, por e- xemplo: média amostral e amplitude, média amostral e desvio padrão, medida individual e amplitude móvel etc. A função qcc() (SCRUCCA, 2004), componente do pacote de mesmo nome, desenvolvida no software R (R DEVELOPMENT CORE TEAM, 2011) permite a construção

8 7 dos gráficos de controle, exibindo os pontos médios observados e as linhas de controle, ao longo dos subgrupos racionais. O pacote IQCC também é um pacote desenvolvido no software R que disponibiliza os fatores de correções de viés. De acordo com Carvalho e Paladini (2005), os subgrupos racionais são pontos ao longo do tempo dos gráficos de controle que representam as médias de pequenas amostras. Estes são geralmente unidos por segmentos de reta para facilitar a visualização da evolução da sequência de pontos ao longo do tempo. Os limites externos do gráfico de controle para a medida de posição escolhida são funções da medida de variabilidade que compõe o par. Por exemplo, nos gráficos da média amostral e da amplitude, se calcula o Limite Inferior de Controle (LIC) e o Limite Superior de Controle (LSC) do gráfico da média amostral utilizando a amplitude. Nessa função, o gráfico de controle da média amostral não deixa claro em sua documentação qual medida de variabilidade é utilizada no cálculo dos limites externos. Porém, analisando seu código, percebe-se que o gráfico da média amostral é construído utilizandose desvio padrão quando a amostra é maior que 25, e utilizando-se amplitude em caso contrário. Não existe, para o usuário, a opção de construir o gráfico utilizando a medida de variabilidade que ele desejar. Quando o conjunto de dados a ser estudado for expresso em um valor em escala contínua de medidas e seus subgrupos racionais tiverem tamanho 1, o par utilizado neste estudo será gráficos da medida individual e amplitude móvel ou média móvel e amplitude móvel. A função qcc() dispõe somente do gráfico da medida individual, não havendo opção para o usuário que desejar construir os pares supracitados. Por fim, o fato de todos os gráficos gerados pela função qcc() estarem no idioma inglês limita seu uso entre pesquisadores brasileiros. Com a criação do presente pacote, além de dar algumas opções semelhantes as da função qcc(), seria possível dar opções ao usuário de construir o gráfico para média amostral utilizando o desvio padrão ou a amplitude, o que tornaria a função mais versátil ao se construir os pares média amostral e amplitude ou média amostral e desvio padrão, seria possível também construir os gráficos para média móvel e amplitude móvel que possibilitaria os pares de gráficos para medida individual e amplitude móvel ou média móvel e amplitude móvel, e se os gráficos gerados por essa função estivessem no idioma português seu uso seria mais facilmente difundido no ensino na graduação.

9 8 O objetivo principal do presente trabalho é criar um pacote chamado CEPpt, desenvolvido no software R mais dinâmico e completo, sendo construído por meio da função qcc() e do pacote IQCC, com as seguintes principais modificações: criar as funções para construção dos gráficos para média móvel e amplitude móvel; criar duas opções de construção do gráfico para média amostral, uma utilizando o desvio padrão e outra utilizando a amplitude, sendo à escolha do usuário, criar uma função que calcula a capacidade do processo e traduzir todos os gráficos para o idioma português (Brasil). No capítulo 2, encontra-se a descrição do Controle Estatístico de Processo, a descrição da função qcc() e de todos os gráficos de controle que serão disponibilizados no presente pacote, sendo eles para medida de posição e variabilidade, a expressões dos fatores de correção de viés e dos padrões de não-aleatoriedade, além disso também a capacidade do processo. No capítulo 3 são apresentados os principais materiais e métodos utilizados no desenvolvimento deste trabalho. No capítulo 4, está disponível ao usuário a forma dos dados que cada função recebe e o modelo da lista gerada, ressaltando que as funções neste tópico são as criadas pelos autores deste trabalho. Em cada par de gráficos construído é apresentado a interpretação deles e a lista gerada. Apresenta-se também os gráficos gerados separadamente e a capacidade do processo de uma das massas de dados para exemplificar.

10 9 2 Revisão de Literatura Neste capítulo foi revisado a função qcc() apresentando uma breve pesquisa sobre preferência do uso de softwares na construção de gráficos de controle, foram revisados também as medidas de posição e variabilidade com seus respectivos gráficos de controle gerados pela função qcc() e a capacidade do processo. 2.1 Controle Estatístico de Processo O Controle Estatístico de Processo é um conjunto de sete ferramentas de monitoramento que auxilia no controle de qualidade com a finalidade de reduzir a variabilidade do processo, propiciando níveis melhores de qualidade nos resultados de produção, diminuindo também os custos. Suas sete ferramentas são: Ramo e folhas Folha de controle Gráfico de Pareto Diagrama de causa e efeito Diagrama de concentração de defeito Diagrama de dispersão Gráfico de Controle Uma das principais e mais sofisticadas ferramentas é a Carta de Shewhart (BORGES, 2009), também conhecida como Gráfico de Controle, que são definidas por Werkema (1995) como monitoramento da variabilidade e avaliação da estabilidade de um processo. 2.2 Função qcc() A função qcc() é componente do pacote qcc Quality Control Charts, do software R que foi desenvolvido por Lucca Scrucca (SCRUCCA, 2004) do Departamento de Ciências

11 10 Estatísticas da Universitá degli Studi di Perugia, Itália. O autor desenvolveu este pacote computacional para proporcionar aos seus alunos de graduação uma ferramenta para a aprendizagem dos conceitos básicos de Controle Estatístico de Qualidade. Na Tabela 1 é apresentado os gráficos que a função qcc() é capaz de construir: Tabela 1: Tipos de gráficos de controle gerados pela função qcc Tipo de gráfico Argumento da função Estatística Média "xbar" Médias amostrais Amplitude "R" Amplitudes amostrais Desvio Padrão "S" Desvios padrões amostrais Medida Individual "xbar.one" Medidas individuais amostrais Proporção "p" Proporções amostrais Contagem "np" N o de unidades não-conformes Contagem "c" Não-conformidades por unidade Contagem "u" Não-conformidade média por unidade Contagem "g" N o de não-eventos entre eventos Na Figura 1 é apresentado o modelo dos gráficos de controle gerada pela função qcc(), utilizando medidas individuais de dados simulados para exemplificar: xbar.one Chart for dados Group summary statistics UCL CL LCL Group Number of groups = 26 Center = StdDev = LCL = UCL = Number beyond limits = 0 Number violating runs = 0 Figura 1: Modelo do gráfico de controle da função qcc No gráfico de controle da função qcc(), observando o modelo na Figura 1, o ponto na cor vermelha significa que o valor daquele subgrupo racional está extrapolando os limites de controle, o ponto na cor amarela significa que algum padrão de não-aleatoriedade foi detectado naquele instante de tempo. Os pontos na cor preta não apresenta irregularidade

12 11 no processo. Neste gráfico também é plotado o número de subgrupos, o valor da linha central, do limite inferior e superior de controle, o desvio padrão, o número de pontos fora de controle e o número de pontos que violam a estabilidade do processo. O software estatístico R é um projeto livre para qualquer pessoa ter acesso gratuitamente. Este software pode ser obtido gratuitamente em onde é apresentado em versões de acordo com o sistema operacional Windows, UNIX ou Macintosh. Além disso encontram-se nesse site mais informações sobre a utilização e uma central de correspondências, onde profissionais de vários países podem contribuir para a implementação de novos recursos (PETERNELLI E MELLO, 2007). Dentre 18 textos brasileiros pesquisados incluindo artigos, resumos e dissertações que apresentaram ou não, sendo publicados de 2002 a 2009, os softwares utilizados na construção dos gráficos de controle, tem-se o seguinte resultado ilustrado na tabela 2: Tabela 2: Pesquisa sobre preferência de software para construção de gráficos de controle no Brasil Software utilizado IC 95% (p) LI ˆp LS EXCEL 10,71% 27,78% 53,59% STATISTICA 4,407% 16,67% 42,26% R 1,95% 11,12% 36,07% MINITAB 0,29% 5,55% 29,37% CACs 0,29% 5,55% 29,37% NWA Quality Analyst 5.1 0,29% 5,55% 29,37% Não menciona 10,71% 27,78% 53,59% Observando a tabela 2, o software Excel é o preferido dos usuários, considerado um dos mais populares aplicativos de computador até hoje, porém é um software pago. O segundo mais usado é o software STATISTICA que também é pago, o software R é o terceiro mais usado, e como é um software livre, recente e tão completo como os outros, acredita-se que com o decorrer do tempo seja o mais utilizado. 2.3 Gráficos de Controle Os gráficos de controle é a principal ferramenta utilizada para monitorar os processos e sinalizar a presença de causas especiais quando o processo se encontra fora de controle. Sendo que quando um processo está somente sujeito a ações das causas aleatórias, ou seja, variabilidade natural do processo, diz-se que ele está sob controle, quando, além das

13 12 causas aleatórias, causas especiais estiverem presentes, diz-se que ele está fora de controle, pois desloca a distribuição da variável aleatória X, tornando a operação anormal. A causa especial pode ser corrigida ou eliminada. Os gráficos de controle possuem três linhas paralelas: uma linha central (LC) e duas linhas externas, denominadas limite inferior de controle (LIC) e limite superior de controle (LSC). Nesse tipo de gráfico há valores da variável de interesse, uma característica do processo, grafados sequencialmente ao longo do tempo, que representam o estado atual de um processo. Na Figura 2 é ilustrado um gráfico de controle com suas três linhas, sendo cada uma delas com seu respectivo nome: Figura 2: Um exemplo ilustrativo de gráfico de controle gerado pelo pacote CEPpt. Para Montgomery (2009), a especificação dos limites é uma decisão crítica, pois: - Se afastar os limites de controle da linha central, diminui o risco de um erro tipo I (o risco de um ponto cair fora dos limites de controle, indicando uma condição de fora de controle, quando nenhuma causa atribuível está presente) porém, estará aumentando o erro tipo II (o risco de um ponto cair entre os limites de controle quando o processo está, na verdade, fora de controle). - Se os limites de controle estiverem próximos da linha central, obtém-se o efeito oposto: aumenta-se o risco de um erro tipo I, enquanto o erro tipo II é diminuído.

14 13 Por esses motivos, os limites de controle são determinados por meio de um múltiplo do desvio-padrão da estatística que segundo Montgomery (2009), em geral, é 3, ou seja, os limites normalmente empregados são de três-sigma, independentemente do tipo de gráfico usado e a justificativa do uso deste limite é o fato de dar bom resultado na prática definindo entre os dois limites um nível de confiança de 99,73%, esse número significa que um ponto fora de controle pode ocorrer uma vez em 370 subgrupos. De acordo com Montgomery (2009), os gráficos de controle são geralmente utilizados em pares pois quando lidamos com uma variável é necessário um para monitorar o valor médio e outro para monitorar a sua variabilidade, sendo importante manter sob controle ambos Gráficos para medidas de posição Gráfico de controle X (Média amostral) De acordo com Ferreira e Oliveira (2008a) e Montgomery (2009), o gráfico X (média amostral) exibe a média de cada subgrupo racional, refletindo a variabilidade no processo ao longo do tempo, sendo que a variabilidade é representada pela amplitude ou pelo o desvio padrão. Na Figura 3 é ilustrado o gráfico de controle para média amostral gerado pela função qcc: xbar Chart for ac Group summary statistics UCL CL LCL Group Number of groups = 92 Center = StdDev = LCL = UCL = Number beyond limits = 32 Number violating runs = 3 Figura 3: Gráfico de controle X gerado pela função qcc

15 14 Gráfico de controle X (Medida Individual) De acordo com Borges (2009), o gráfico de controle X é quando o característico da qualidade a ser medido pode ser expresso por um valor em uma escala contínua de medidas e os subgrupos racionais tem tamanho 1, ou quando as medições estão largamente espaçadas no decorrer do tempo. Na Figura 4 é ilustrado o gráfico de controle para medida individual gerado pela função qcc: xbar.one Chart for gordura Group summary statistics UCL CL LCL Group Number of groups = 91 Center = StdDev = LCL = UCL = Number beyond limits = 2 Number violating runs = 14 Figura 4: Gráfico de controle para X gerado pela função qcc Gráfico de controle Xm (Média Móvel) De acordo com Ferreira e Oliveira (2008a), estes gráficos são úteis quando há interesse na tendência do desempenho do processo no decorrer do tempo. Em cada tempo é calculada a média e a trama que liga todas as médias é a média móvel. Este gráfico é uma alternativa mais apropriada quando a magnitude do deslocamento da média do processo de interesse for pequena. Na Figura 5 é ilustrado o gráfico de controle para média móvel gerado pelo pacote CEPpt:

16 15 Média móvel para a variável Viscosidade Média Móvel Subgrupos Racionais Figura 5: Gráfico de controle Xm gerado pelo pacote CEPpt Essa Figura tem aspectos diferentes das demais pois ela não foi produzida pela função qcc. A função qcc não dispõe dessa opção, no qual foi citado acima como uma das justificativas do desenvolvimento do presente trabalho Gráficos para medidas de variabilidade Gráfico de controle R (Amplitude) O gráfico R indica a dispersão existente dentro dos subgrupos racionais, ou seja, a variabilidade em um dado instante de tempo, sendo por definição, a diferença entre a maior e a menor observação. Na tabela 3 são apresentadas as vantagens e desvantagens do uso do gráfico R: Tabela 3: Vantagens e desvantagens do uso do gráfico R Gráfico de controle Vantagens Desvantagens R - Fácil cálculo; - Sensível a mudanças que afetam - O estimador R não é viesado, somente parte do processo, portanto, pode ser adotado em amostras pequenas sendo assim menos informativo; - Quanto maior for a amostra, menos eficiente será.

17 16 Na Figura 6 é ilustrado o gráfico de controle para amplitude gerado pela função qcc: R Chart for ac Group summary statistics UCL CL LCL Group Number of groups = 92 Center = StdDev = LCL = 0 UCL = Number beyond limits = 3 Number violating runs = 6 Figura 6: Gráfico de controle para R gerado pela função qcc Gráfico de controle S (Desvio Padrão) De acordo com Ferreira e Oliveira (2008a), quando são adotadas amostras (subgrupos) de tamanhos maiores que 10, o estimador R da variabilidade do processo perde muito em eficiência em relação à S, o desvio padrão do processo, e, mesmo sendo mais simples, não deve ser mais empregado para avaliar a variabilidade do processo. Em seu lugar, utiliza-se o gráfico S. Na tabela 4 são apresentadas as vantagens e desvantagens do uso do gráfico S: Tabela 4: Vantagens e desvantagens do uso do gráfico S Gráfico de controle Vantagens Desvantagens S - Não é sensível a mudanças, - Difícil de calcular no sendo assim mais informativo; chão de fábrica ; - Quanto maior for a amostra, - O estimador S é viesado, mais eficiente será. sendo necessário, que a amostra seja grande. qcc: Na Figura 7 é ilustrado o gráfico de controle para o desvio padrão gerado pela função

18 17 S Chart for ac Group summary statistics UCL CL LCL Group Number of groups = 92 Center = StdDev = LCL = 0 UCL = Number beyond limits = 3 Number violating runs = 0 Figura 7: Gráfico de controle para S gerado pela função qcc Gráfico de controle Rm (Amplitude Móvel) De acordo com Montgomery (2009), o gráfico de controle para medir a variabilidade quando a medida de posição for o gráfico X, será o gráfico Rm. A amplitude móvel é definida como Rm i = x i x i 1, sendo i = 2, 3,..., m e m o número de subgrupos racionais. É ilustrado na Figura 8 o gráfico de controle Rm gerado pelo pacote CEPpt: Amplitude Móvel para a variável Viscosidade Amplitude móvel Subgrupos Racionais Figura 8: Gráfico de controle para Rm gerado pelo pacote CEPpt

19 18 Essa Figura tem aspectos diferentes das demais porque ela não foi produzida pela função qcc. A função qcc não dispõe dessa opção Fatores de correção de viés Em muitos trabalhos não são apresentados a expressão dos fatores de correção de viés, são apenas apresentados na tabela com seus valores variando em relação ao tamanho da amostra. Neste tópico será apresentado a expressão de d 2, d 3 e c 4 de acordo com Costa, Epprecht e Carpinetti (2009). A expressão do fator d 2 é: d 2 = 0 W f n (W )dw (2.1) em que W é a amplitude relativa da amostra e f n (W ) é a função densidade de probabilidade de W. A expressão de W e f n (W ) é dada a seguir: W = R σ (2.2) em que R é a amplitude cada amostra e σ é o desvio padrão da variável X. f n (W ) = n(n 1) [F (X + W ) F (X)] n 2 f(x)f(x + W )dx (2.3) em que n é o tamanho da amostra e F (X) é a distribuição acumulada de X. A expressão do fator d 3 é: d 3 = A expressão do fator c 4 é: (W d 2 ) 2 f n (W )dw (2.4) 0 c 4 = 2 Γ( n [ ) 2 ] (2.5) n 1 Γ (n 1) 2 em que Γ é a função Gama.

20 19 Com as equações (2.1), (2.4) e (2.5) é possível definir os fatores D 3, D 4, A 3,A 4,B 3 e B 4, que são apresentados na tabela 5: Tabela 5: Fatores de correção de viés D 3 = 1 3d 3 d 2 D 4 = 1 + 3d 3 d 2 A 2 = 3 d 2 n A 3 = 3 c 4 n B 3 = c 2 4 B 4 = c 2 4 c 4 c Padrões de não-aleatoriedade Para alcançar a estabilidade do processo, deve-se examinar o gráfico de controle em busca de valores fora dos limites de controle e padrões não aleatórios nos dados. Entre esses padrões, temos o ciclo, a tendência, a sequência e a estratificação. São apresentados a seguir a descrição desses padrões: O ciclo é quando a sequência de pontos apresenta subidas e descidas em intervalos regulares de tempo (SOARES, 2001). A tendência é uma sequência de pontos crescente ou decrescente inusitadamente longa, geralmente, com comprimento 8 ou mais é considerada como um sinal fora de controle. A sequência é a ocorrência de 8 ou mais pontos consecutivos que se localizam de um mesmo lado da linha central. A estratificação é a uma sequência de pontos consecutivos próximos dos limites externos ou próximos da linha central. É importante destacar que são examinados somente o gráfico de controle para medidas de posição.

21 Capacidade do Processo De acordo Ferreira e Oliveira (2008a), a capacidade do processo é definida a partir de uma comparação dos limites de especificação, os quais expressam as especificações esperadas para aquele processo, especificações estas que o processo pode alcançar ou não, com a realidade do processo, expressada pela média e variabilidade. Há o limite inferior de especificação (LIE), o limite superior de especificação (LSE) e o limite central (LE). C p e C pk são os índices específicos para esse fim. Quanto maior o valor de C p, maior a capacidade do processo, sendo que um valor de C p > 1 indica que o processo é capaz de atender às especificações do cliente. O cálculo do índice de capacidade de processo C p é dado por: C p = LSE LIE 6σ = LSE LIE 6 R d 2 = LSE LIE 6 S c 4 em que d 2 e c 4 são fatores estatísticos para correção de viés. O valor do denominador da função do índice C p é 6σ, isso deve ao fato de ser o limite natural de tolerância que equivale a 99,73%. A definição do índice C p pressupõe que o processo está centrado no valor nominal da especificação; se este não é o caso, a capacidade real do processo é menor do que a indicada por C p. Em tal situação, convém a utilização do índice C pk considerando um ajuste de C p para o efeito de distribuição não centrada. O índice C pk avalia a distância do valor central do processo aos limites da especificação, tomando aquela que é menor e, portanto, mais sujeita a propiciar resultados fora de especificação. O cálculo do índice C pk é dado por: C pi = X LIE 3 R d 2 = X LIE 3 S c 4 C ps = LSE X 3 R d 2 = LSE X 3 S c 4 C pk = min(c pi, C ps )

22 21 em que C pi é a capacidade do processo inferior e C ps é a capacidade do processo superior. O índice C pk também é conhecido como a capacidade do processo unilateral para o limite de especificação mais próximo da média do processo. Na figura 9 é apresentado um exemplo ilustrativo do gráfico da capacidade do processo utilizando o desvio padrão, a variável utilizado foi Taxas de revisão de inspeção (ítens/ hora de revisão) para quatro modelos do produto em estudo: LIE Capacidade do Processo LCE LSE Densidade de frequência relativa Taxas de revisão de inspeção Figura 9: Gráfico da capacidade do processo da variável Taxas de revisão de inspeção O valor da Capacidade do Processo dessa amostra é C p = 1, 0831 e C pk = 0, 5164, sendo que LIE = 5, LE = 50 e LSE = 195. Observa-se na Figura 9 que o gráfico da capacidade do processo é composto pela distribuição normal, isto ocorre pois sua interpretação usual se baseia nessa distribuição. Se a distribuição subjacente não é normal, então, o valor de C p ou C pk podem não ser verdadeiros. O uso do histograma juntamente com a média amostral X e desvio padrão S pode ajudar na estimação da capacidade de um processo, proporcionando informações imediatas pela impressão visual do desempenho do processo.

23 22 3 Metodologia Neste tópico serão descritos os principais materiais e métodos necessários para a realização desse projeto. 3.1 Materiais Foi feita uma revisão de literatura sobre o Controle Estatístico de Processo por meio de livros clássicos e básicos sobre o assunto e, eventualmente, artigos científicos que versem sobre o assunto de maneira condizente com os propósitos desse projeto. Foi utilizado um computador portátil de propriedade do próprio estudante, com a seguinte configuração: marca Dell Inspiron T M 1525, 3Gb de memória RAM, 160Gb de HD, processador Intel R Core T M 2 Duo T5800 e sistema operacional Windows Vista R Home Premium original com SP1. Todas as funções foram programadas em linguagem R, no software estatístico R. O pacote qcc e o pacote IQCC foram importantíssimos na construção das funções do pacote CEPpt. Por meio do pacote IQCC foram retiradas as funções programadas de d 2, d 3 e c Métodos Foi utilizada a linguagem orientada a objeto (R) para programar as funções propostas. As funções existentes no pacote qcc() foram traduzidas para o idioma português. Os métodos para construir os gráficos no pacote CEPpt foram por meio das fórmulas a seguir e foram retiradas do livro Introdução ao controle estatístico da qualidade (MONT- GOMERY, 2009).

24 23 Gráfico de controle para X utilizando a medida de variabilidade R Na tabela 6 apresenta a linha central e os limites de controle para o gráfico X utilizando a medida de variabilidade R: Tabela 6: Linha central e os limites de controle do par de gráficos X R Gráfico de controle Linha central LIC LSC X X X A2 R X + A2 R R R D3 R D4 R em que X é a média geral de todas médias dos subgrupos racionais, A2, D 3 e D 4 são fatores estatísticos para correção de viés. Gráfico de controle para X com medida de variabilidade S Na tabela 7 apresenta a linha central e os limites de controle para o gráfico X utilizando a medida de variabilidade S: Tabela 7: Linha central e os limites de controle do par de gráficos X S Gráfico de controle Linha central LIC LSC X X X A3 S X + A3 S S S B3 S B4 S em que A 3, B 3 e B 4 são fatores estatísticos para correção de viés, S é o desvio padrão médio.

25 24 Gráfico de controle Rm Na tabela 8 apresenta a linha central e os limites de controle para o gráfico Rm: Tabela 8: Linha central e os limites de controle do gráfico Rm Gráfico de controle Linha central LIC LSC Rm Rm 0 D4 Rm em que Rm = m 1 j=1 Rm j m 1 é a amplitude móvel média. Gráfico de controle Xm Na tabela 9 apresenta a linha central e os limites de controle para a gráfico Xm: Tabela 9: Linha central e os limites de controle do gráfico Xm Gráfico de controle Linha central LIC LSC Xm Xm Xm + A2 Rm Xm + A2 Rm em que Xm é a média da média móvel. Na construção da função CP, foi utilizado o livro Introdução à Estatística Básica com R (FERREIRA E OLIVEIRA, 2008b).

CAP6: Gráfico de Controle para Atributos

CAP6: Gráfico de Controle para Atributos CAP6: Gráfico de Controle para Atributos Base Estatística Quando um item é produzido, o mesmo pode apresentar um ou mais defeitos, sendo este classificado como não conforme, independente da quantidade

Leia mais

CAP4: Controle Estatístico do Processo (CEP)

CAP4: Controle Estatístico do Processo (CEP) CAP4: Controle Estatístico do Processo (CEP) O principal objetivo do CEP é detectar rapidamente a ocorrência de causas evitáveis que produzam defeitos nas unidades produzidas pelo processo, de modo que

Leia mais

Decidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade

Decidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade Escola de Engenharia de Lorena - EEL Controle Estatístico de Processos CEP Prof. MSc. Fabrício Maciel Gomes Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente. Conceito de

Leia mais

Variabilidade do processo

Variabilidade do processo Variabilidade do processo Em todo processo é natural encontrar certa quantidade de variabilidade. Processo sob controle estatístico: variabilidade natural por causas aleatórias Processo fora de controle:

Leia mais

4 Gráficos de controle

4 Gráficos de controle 4 Gráficos de controle O gráfico de controle é uma ferramenta poderosa do Controle Estatístico de Processo (CEP) para examinar a variabilidade em dados orientados no tempo. O CEP é composto por um conjunto

Leia mais

O pacote CEPpt na análise de dados de resfriamento de aves

O pacote CEPpt na análise de dados de resfriamento de aves O pacote CEPpt na análise de dados de resfriamento de aves Rafael Lemos Bastos 1 Eric Batista Ferreira 2 1 Introdução A utilização de pacotes computacionais tem sido cada vez mais frequente nas empresas

Leia mais

Descobrimos que os testes 1, 2 e 7 foram os mais úteis para avaliação da estabilidade do gráfico Xbar na carta I:

Descobrimos que os testes 1, 2 e 7 foram os mais úteis para avaliação da estabilidade do gráfico Xbar na carta I: Este artigo é parte de uma série de artigos que explicam a pesquisa conduzida pelos estatísticos do Minitab para desenvolver os métodos e verificações de dados usados no Assistente no Software Estatístico

Leia mais

Histórico. Controle Estatístico de Processo

Histórico. Controle Estatístico de Processo Histórico O CEP se destacou como ferramenta poderosa após ter sido intensamente utilizada pelo Japão após a Segunda Guerra Mundial. Após a recuperação deste país, através da obtenção de processos produtivos

Leia mais

Utilização de Software Livre no Controle Estatístico de Processo

Utilização de Software Livre no Controle Estatístico de Processo Utilização de Software Livre no Controle Estatístico de Processo Wagner André dos Santos Conceição (UEM) wasconceicao@bol.com.br Paulo Roberto Paraíso (UEM) paulo@deq.uem.br Mônica Ronobo Coutinho (UNICENTRO)

Leia mais

Avaliação da variação do sistema de medição Exemplo 1: Diâmetros de bico injetor de combustível

Avaliação da variação do sistema de medição Exemplo 1: Diâmetros de bico injetor de combustível Avaliação da variação do sistema de medição Exemplo 1: Diâmetros de bico injetor de combustível Problema Um fabricante de bicos injetores de combustível instala um novo sistema digital de medição. Os investigadores

Leia mais

Aplicação do Controle Estatístico Multivariado no Processo de Extrusão de Tubos de PVC.

Aplicação do Controle Estatístico Multivariado no Processo de Extrusão de Tubos de PVC. Aplicação do Controle Estatístico Multivariado no Processo de Extrusão de Tubos de PVC. Ítalo L. Fernandes, Lidiane J. Michelini, Danilo M. Santos & Emerson Wruck Universidade Estadual de Goiás UEG, CEP

Leia mais

Gráfico de Controle por Atributos

Gráfico de Controle por Atributos Roteiro Gráfico de Controle por Atributos 1. Gráfico de np 2. 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 mais

Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática

Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática Ederson Luis Posselt (edersonlp@yahoo.com.br) Eduardo Urnau (dudaurnau@gmail.com) Eloy Metz (eloy@softersul.com.br)

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Roteiro da apresentação 1 Controle de Qualidade Lupércio França Bessegato 2 3 4 5 Especialização em Estatística 6 7 8 Gráfico de Controle de Shewhart Hipóteses do gráfico de controle convencional: Normalidade

Leia mais

Gráfico de Controle por Variáveis

Gráfico de Controle por Variáveis 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 mais

ASSOCIAÇÃO ENTRE PRESENÇA DE CÂNCER DE ESÔFAGO COMPARADA COM HÁBITO DE FUMAR E IDADE EM INDIVÍDUOS DA DINAMARCA

ASSOCIAÇÃO ENTRE PRESENÇA DE CÂNCER DE ESÔFAGO COMPARADA COM HÁBITO DE FUMAR E IDADE EM INDIVÍDUOS DA DINAMARCA ASSOCIAÇÃO ENTRE PRESENÇA DE CÂNCER DE ESÔFAGO COMPARADA COM HÁBITO DE FUMAR E IDADE EM INDIVÍDUOS DA DINAMARCA Bárbara Camboim Lopes de FIGUEIRÊDO 1, Gustavo Henrique ESTEVES 2 1 Departamento de Estatística

Leia mais

Introdução à Simulação

Introdução à Simulação Introdução à Simulação O que é simulação? Wikipedia: Simulação é a imitação de alguma coisa real ou processo. O ato de simular algo geralmente consiste em representar certas características e/ou comportamentos

Leia mais

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis O objetivo deste texto é apresentar os principais procedimentos

Leia mais

Controle estatístico, manutenção e confiabilidade de processos. Profa. Rejane Tubino

Controle estatístico, manutenção e confiabilidade de processos. Profa. Rejane Tubino Controle estatístico, manutenção e confiabilidade de processos Profa. Rejane Tubino Cartas de controle- CEP Aplicação: quando se necessitar verificar quanto de variabilidade do processo é devido à variação

Leia mais

Uma proposta de gráfico de controle EWMA com dados sazonais

Uma proposta de gráfico de controle EWMA com dados sazonais Uma proposta de gráfico de controle EWMA com dados sazonais Leandro Callegari Coelho (UFSC) leandroah@hotmail.com Robert Wayne Samohyl (UFSC) samohyl@yahoo.com Resumo: A importância do controle estatístico

Leia mais

Qualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Inspeção de qualidade

Qualidade 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 Lupércio França Bessegato UFMG Especialização em Estatística 4 5 Abril/2007 6 7 Conceito de Qualidade Não há uma única definição. Melhoria da Empresa

Leia mais

Universidade Federal Fluminense

Universidade Federal Fluminense Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA ESTATÍSTICA V Lista 9: Intervalo de Confiança. 1. Um pesquisador está estudando a resistência de um determinado

Leia mais

Análise bioestatística em fumantes dinamarqueses associado

Análise bioestatística em fumantes dinamarqueses associado Análise bioestatística em fumantes dinamarqueses associado à câncer de esôfago Bárbara Camboim Lopes de Figueirêdo 1 Gustavo Henrique Esteves 2 1 Introdução A Bioestatística surgiu em 1894 quando Karl

Leia mais

Gráficos de Controle Estatístico de Qualidade para Indicadores do SAMU/DF (Serviço de Atendimento Móvel de Urgência do Distrito Federal)

Gráficos de Controle Estatístico de Qualidade para Indicadores do SAMU/DF (Serviço de Atendimento Móvel de Urgência do Distrito Federal) Universidade de Brasília Instituto de Ciências Exatas Departamento de Estatística Estágio Supervisionado 2 Gráficos de Controle Estatístico de Qualidade para Indicadores do SAMU/DF (Serviço de Atendimento

Leia mais

MODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R

MODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R MODIFICAÇÃO DO TESTE DE NORMALIDADE DE SHAPIRO-WILK MULTIVARIADO DO SOFTWARE ESTATÍSTICO R Roberta Bessa Veloso 1, Daniel Furtado Ferreira 2, Eric Batista Ferreira 3 INTRODUÇÃO A inferência estatística

Leia mais

DESENVOLVIMENTO DE UMA FUNÇÃO NO R PARA ANÁLISE DE TRILHA RESUMO

DESENVOLVIMENTO DE UMA FUNÇÃO NO R PARA ANÁLISE DE TRILHA RESUMO DESENVOLVIMENTO DE UMA FUNÇÃO NO R PARA ANÁLISE DE TRILHA Édimo F. A. Moreira 1 ; Luiz Alexandre Peternelli 2 ; Laís M. A. Barroso 1 RESUMO A análise de trilha é uma metodologia bastante útil para a identificação

Leia mais

CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE

CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE Número de classes a considerar (k): a) Tabela de Truman L. Kelley n 5 10 25 50 100 200 500 1000 k 2 4 6 8 10 12 15 15 b) k=5 para n 25 e para n >25.

Leia mais

Monitoramento e Controle de Processo Multivariado

Monitoramento e Controle de Processo Multivariado Monitoramento e Controle de Processo Multivariado Roteiro 1. O Problema do Controle da Qualidade Multivariado 2. Descrição de Dados Multivariados 3. Gráfico de Controle T 2 de Hotelling (Subgrupos) 4.

Leia mais

Modelagem e Simulação Material 02 Projeto de Simulação

Modelagem e Simulação Material 02 Projeto de Simulação Modelagem e Simulação Material 02 Projeto de Simulação Prof. Simão Sirineo Toscani Projeto de Simulação Revisão de conceitos básicos Processo de simulação Etapas de projeto Cuidados nos projetos de simulação

Leia mais

Tópicos em Inferência Estatística. Frases. Roteiro. 1. Introdução

Tópicos em Inferência Estatística. Frases. Roteiro. 1. Introdução Tópicos em Inferência Estatística Frases Torture os dados por um tempo suficiente, e eles contam tudo! fonte: mcrsoft@aimnet.com (Barry Fetter) Um homem com um relógio sabe a hora certa. Um homem com dois

Leia mais

Hipóteses Estatísticas Testadas por Diversos Softwares em Modelos com Dois Fatores Cruzados e Dados Desbalanceados

Hipóteses Estatísticas Testadas por Diversos Softwares em Modelos com Dois Fatores Cruzados e Dados Desbalanceados TEMA Tend. Mat. Apl. Comput., 5, No. 1 (24), 117-124. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Hipóteses Estatísticas Testadas por Diversos Softwares em Modelos

Leia mais

Controle estatístico de processo: algumas ferramentas estatísticas. Linda Lee Ho Depto Eng de Produção EPUSP 2009

Controle estatístico de processo: algumas ferramentas estatísticas. Linda Lee Ho Depto Eng de Produção EPUSP 2009 Controle estatístico de processo: algumas ferramentas estatísticas Linda Lee Ho Depto Eng de Produção EPUSP 2009 Controle estatístico de Processo (CEP) Verificar estabilidade processo Coleção de ferramentas

Leia mais

Nota Técnica LIMC 2015/01

Nota Técnica LIMC 2015/01 Nota Técnica LIMC 2015/01 Estudo dos resultados do ENEM: o desempenho global dos estudantes concluintes na prova de Ciências da Natureza nos exames de 2009 a 2012 Marta Feijó Barroso UFRJ Instituto de

Leia mais

DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES

DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES LUIZ CLAUDIO BENCK KEVIN WONG TAMARA CANDIDO DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES Trabalho apresentado para avaliação na disciplina de Estatística e Métodos Numéricos do Curso de Administração

Leia mais

Histórico. Software estatístico utilizado em mais de 80 países por pesquisadores, engenheiros, analistas empresariais, professores, estudantes.

Histórico. Software estatístico utilizado em mais de 80 países por pesquisadores, engenheiros, analistas empresariais, professores, estudantes. MINITAB 14 Histórico Software estatístico utilizado em mais de 80 países por pesquisadores, engenheiros, analistas empresariais, professores, estudantes. Possui ferramentas para diversos tipos de análise

Leia mais

Pesquisa Operacional

Pesquisa Operacional GOVERNO DO ESTADO DO PARÁ UNIVERSIDADE DO ESTADO DO PARÁ CENTRO DE CIÊNCIAS NATURAIS E TECNOLOGIA DEPARTAMENTO DE ENGENHARIA Pesquisa Operacional Tópico 4 Simulação Rosana Cavalcante de Oliveira, Msc rosanacavalcante@gmail.com

Leia mais

UMA IMPLEMENTAÇÃO EM LINGUAGEM JAVA DE ALGORITMO DE CLASSIFICAÇÃO BASEADO NO MÉTODO DA INSERÇÃO DIRETA

UMA IMPLEMENTAÇÃO EM LINGUAGEM JAVA DE ALGORITMO DE CLASSIFICAÇÃO BASEADO NO MÉTODO DA INSERÇÃO DIRETA UMA IMPLEMENTAÇÃO EM LINGUAGEM JAVA DE ALGORITMO DE CLASSIFICAÇÃO BASEADO NO MÉTODO DA INSERÇÃO DIRETA 1 BIM,Pedro Henrique Marana; 1 RABALDELLI, Diego José Caíres; 1 SOARES, Luis Antonio; 2 TAMAE, Rodrigo

Leia mais

Aplicação da Carta de Farol no monitoramento de torque de parafusos numa linha de montagem: estudo de caso

Aplicação da Carta de Farol no monitoramento de torque de parafusos numa linha de montagem: estudo de caso Aplicação da Carta de Farol no monitoramento de torque de parafusos numa linha de montagem: estudo de caso Daniel Barcellos Mathias (PUCPR) dbmathias@bol.com.br Marcelo Giroto Rebelato (PUCPR) mgiroto@ccet.pucpr,.br

Leia mais

Como conduzir com sucesso um projeto de melhoria da qualidade

Como conduzir com sucesso um projeto de melhoria da qualidade Como conduzir com sucesso um projeto de melhoria da qualidade Maria Luiza Guerra de Toledo Coordenar e conduzir um projeto de melhoria da qualidade, seja ele baseado no Seis Sigma, Lean, ou outra metodologia

Leia mais

ENG09012 - Atividades Complementares em Engenharia de Produção - UFRGS - janeiro de 2004

ENG09012 - Atividades Complementares em Engenharia de Produção - UFRGS - janeiro de 2004 Monitoramento através de controle estatístico do processo do setor de videocodificação no Centro de Tratamento de Cartas (CTC) Empresa Brasileira de Correios e Telégrafos (ECT) Conrado Rodrigues Paganotti

Leia mais

A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA

A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA João Cirilo da Silva Neto jcirilo@araxa.cefetmg.br. CEFET-MG-Centro Federal de Educação Tecnológica de Minas Gerais-Campus IV, Araxá Av. Ministro Olavo Drumonnd,

Leia mais

O USO DE FERRAMENTAS DA QUALIDADE VISANDO A PADRONIZAÇÃO DO TAMANHO DA MASSA DA LASANHA PRODUZIDA EM UMA INDÚSTRIA ALIMENTÍCIA

O USO DE FERRAMENTAS DA QUALIDADE VISANDO A PADRONIZAÇÃO DO TAMANHO DA MASSA DA LASANHA PRODUZIDA EM UMA INDÚSTRIA ALIMENTÍCIA O USO DE FERRAMENTAS DA QUALIDADE VISANDO A PADRONIZAÇÃO DO TAMANHO DA MASSA DA LASANHA PRODUZIDA EM UMA INDÚSTRIA ALIMENTÍCIA Wherllyson Patricio Goncalves (UFCG) wherllyson@yahoo.com.br Suelyn Fabiana

Leia mais

Ferramentas da Qualidade. Professor: Leandro Zvirtes UDESC/CCT

Ferramentas da Qualidade. Professor: Leandro Zvirtes UDESC/CCT Ferramentas da Qualidade Professor: Leandro Zvirtes UDESC/CCT Histogramas Histograma O histograma é um gráfico de barras no qual o eixo horizontal, subdividido em vários pequenos intervalos, apresenta

Leia mais

Noções de Pesquisa e Amostragem. André C. R. Martins

Noções de Pesquisa e Amostragem. André C. R. Martins Noções de Pesquisa e Amostragem André C. R. Martins 1 Bibliografia Silva, N. N., Amostragem probabilística, EDUSP. Freedman, D., Pisani, R. e Purves, R., Statistics, Norton. Tamhane, A. C., Dunlop, D.

Leia mais

Pesquisador em Informações Geográficas e Estatísticas A I GESTÃO DA QUALIDADE LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO.

Pesquisador em Informações Geográficas e Estatísticas A I GESTÃO DA QUALIDADE LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO. 7 EDITAL N o 04/2013 LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO. 01 - O candidato recebeu do fiscal o seguinte material: a) este CADERNO DE QUESTÕES, com os enunciados das 8 (oito) questões discursivas, sem

Leia mais

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,

Leia mais

Manual para elaboração de cartas de controle para monitoramento de processos de medição quantitativos em. laboratórios de ensaio

Manual para elaboração de cartas de controle para monitoramento de processos de medição quantitativos em. laboratórios de ensaio 2013 Manual para elaboração de cartas de controle para monitoramento de processos de medição quantitativos em Camila Cardoso de Oliveira Daniel Granato Miriam Solange Fernandes Caruso Alice Momoyo Sakuma

Leia mais

Softwares de Sistemas e de Aplicação

Softwares de Sistemas e de Aplicação Fundamentos dos Sistemas de Informação Softwares de Sistemas e de Aplicação Profª. Esp. Milena Resende - milenaresende@fimes.edu.br Visão Geral de Software O que é um software? Qual a função do software?

Leia mais

DESENVOLVIMENTO DE UMA FUNÇÃO NO R PARA ANÁLISE DE TRILHA

DESENVOLVIMENTO DE UMA FUNÇÃO NO R PARA ANÁLISE DE TRILHA DESENVOLVIMENTO DE UMA FUNÇÃO NO R PARA ANÁLISE DE TRILHA Édimo F. A. Moreira 1 ; Luiz Alexandre Peternelli 2 ; Laís M. A. Barroso 1 INTRODUÇÃO A análise de trilha, desenvolvida por Wright (1923) consiste

Leia mais

2 PACOTE GNU R Secretaria Executiva: Factos Eventos.

2 PACOTE GNU R Secretaria Executiva: Factos Eventos. UMA BREVE VISÃO SOBRE APLICAÇÕES EM AMBIENTE R PARA O ENSINO DE ENGENHARIA Elisa Henning dma2eh@joinville.udesc.br Universidade Federal de Santa Catarina, Departamento de Engenharia de Produção Campus

Leia mais

METODOLOGIA DE MONITORAÇÃO DO PONTO H NO PROCESSO DE MONTAGEM DE BANCOS DE PASSAGEIRO NA INDÚSTRIA AUTOMOBILÍSTICA

METODOLOGIA DE MONITORAÇÃO DO PONTO H NO PROCESSO DE MONTAGEM DE BANCOS DE PASSAGEIRO NA INDÚSTRIA AUTOMOBILÍSTICA METODOLOGIA DE MONITORAÇÃO DO PONTO H NO PROCESSO DE MONTAGEM DE BANCOS DE PASSAGEIRO NA INDÚSTRIA AUTOMOBILÍSTICA Cyro Alves Borges Junior, DSc UERJ - Departamento de Engenharia Mecânica, Rua São Francisco

Leia mais

MANUAL RASTREAMENTO 2013

MANUAL RASTREAMENTO 2013 MANUAL RASTREAMENTO 2013 Visão Geral O menu geral é o principal módulo do sistema. Através do visão geral é possível acessar as seguintes rotinas do sistema: Sumário, localização, trajetos, últimos registros.

Leia mais

Usando o Arena em Simulação

Usando o Arena em Simulação Usando o Arena em Simulação o ARENA foi lançado pela empresa americana Systems Modeling em 1993 e é o sucessor de dois outros produtos de sucesso da mesma empresa: SIMAN (primeiro software de simulação

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

Calculadora de economia de energia do cliente Dell. Descrição geral do consumo de energia em sistemas de computador:

Calculadora de economia de energia do cliente Dell. Descrição geral do consumo de energia em sistemas de computador: Calculadora de economia de energia do cliente Dell Finalidade: A Calculadora de economia de energia do cliente Dell pretende oferecer uma ferramenta que permita aos clientes estimar o consumo de energia

Leia mais

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr Análise de Regressão Tópicos Avançados em Avaliação de Desempenho Cleber Moura Edson Samuel Jr Agenda Introdução Passos para Realização da Análise Modelos para Análise de Regressão Regressão Linear Simples

Leia mais

Medidas de dispersão: os valores estão próximos entre si ou variam muito?

Medidas de dispersão: os valores estão próximos entre si ou variam muito? NOTAS DE EPIDEMIOLOGIA E ESTATÍSTICA Medidas de dispersão: os valores estão próximos entre si ou variam muito? Measures of dispersion: are all values close to each other or do they vary a lot? JOÃO LUIZ

Leia mais

Uma proposta de utilização das Cartas de Controle para o CEP

Uma proposta de utilização das Cartas de Controle para o CEP Uma proposta de utilização das Cartas de Controle para o CEP Morgana Wasyluk (FAHOR) mw000797@fahor.com.br Édio Polacinski (FAHOR) polacinskiedio@fahor.com.br Resumo A qualidade é uma das características

Leia mais

Instituto de Ciências Matemáticas e de Computação. MANUAL DE USO Sistema de Reserva de Salas INTRANET - ICMC-USP

Instituto de Ciências Matemáticas e de Computação. MANUAL DE USO Sistema de Reserva de Salas INTRANET - ICMC-USP Instituto de Ciências Matemáticas e de Computação ISSN - 0103-2569 MANUAL DE USO Sistema de Reserva de Salas INTRANET - ICMC-USP André Pimenta Freire Renata Pontin de M. Fortes N 0 213 RELATÓRIOS TÉCNICOS

Leia mais

Estatística Básica. Introdução à Análise Exploratória de Dados. Renato Dourado Maia. Instituto de Ciências Agrárias

Estatística Básica. Introdução à Análise Exploratória de Dados. Renato Dourado Maia. Instituto de Ciências Agrárias Estatística Básica Introdução à Análise Exploratória de Dados Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Ferramentas Computacionais Foi comentado, no início

Leia mais

PROJETO PEDAGÓGICO DE CURSO DE FORMAÇÃO INICIAL E CONTINUADA (FIC)

PROJETO PEDAGÓGICO DE CURSO DE FORMAÇÃO INICIAL E CONTINUADA (FIC) SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E TECNOLOGIA DO SERTÃO PERNAMBUCANO PRÓ-REITORIA DE EXTENSÃO E CULTURA PROJETO PEDAGÓGICO DE CURSO DE FORMAÇÃO INICIAL

Leia mais

GARANTIA DA QUALIDADE DE SOFTWARE

GARANTIA DA QUALIDADE DE SOFTWARE GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características

Leia mais

CONTROLE ESTATÍSTICO DA QUALIDADE

CONTROLE ESTATÍSTICO DA QUALIDADE CONTROLE ESTATÍSTICO DA QUALIDADE Prof., PhD OBJETIVO DO CEP A idéia principal do Controle Estatístico de Processo (CEP) é que melhores processos de produção, ou seja, com menos variabilidade, propiciam

Leia mais

Cálculo de amostra para monitoria de qualidade em Call Center

Cálculo de amostra para monitoria de qualidade em Call Center Cálculo de amostra para monitoria de qualidade em Call Center Esta metodologia tem como objetivo definir o tamanho mínimo ideal da amostra, garantindo a representatividade da população de chamadas em um

Leia mais

Construção e Implantação de Software II - Unidade 3- Estratégias Para Testes de Software. Prof. Pasteur Ottoni de Miranda Junior

Construção e Implantação de Software II - Unidade 3- Estratégias Para Testes de Software. Prof. Pasteur Ottoni de Miranda Junior Construção e Implantação de Software II - Unidade 3- Estratégias Para Testes de Software Prof. Pasteur Ottoni de Miranda Junior 1 1-Estratégia Global 1.1-Visão Global de Estratégias Para Teste A estratégia

Leia mais

2. Método de Monte Carlo

2. Método de Monte Carlo 2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.

Leia mais

Estatística Básica via MySQL para Pesquisas On-Line

Estatística Básica via MySQL para Pesquisas On-Line Estatística Básica via MySQL para Pesquisas On-Line Gabriel Ramos Guerreiro - DEs, UFSCar 1 2 Anderson Luiz Ara-Souza - DEs, UFSCar 1 3 Francisco Louzada-Neto - DEs, UFSCar 1 4 1. INTRODUÇÃO Segundo Cavalcanti

Leia mais

Organograma, funcionograma, fluxograma

Organograma, funcionograma, fluxograma CENTRO UNIVERSITÁRIO DE BARRA MANSA CURSO DE NUTRIÇÃO ADMINISTRAÇÃO DE UNIDADES DE ALIMENTAÇÃO E NUTRIÇÃO AULA 28 Profa. M.Sc Vanessa Vasconcelos Fonseca Mestre em Ciência de Alimentos Especialista MBA

Leia mais

Prof. Msc. Fernando Oliveira Boechat

Prof. Msc. Fernando Oliveira Boechat Prof. Msc. Fernando Oliveira Boechat Prof. Fernando Oliveira Boechat 1 Controle de Processos: Objetivos Gerar as informações necessárias ao desenvolvimento dos novos produtos; Fornecer os subsídios necessários

Leia mais

Simulação Transiente

Simulação Transiente Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação

Leia mais

Aplicação de gráficos de controle para o monitoramento do processo de retificação do diâmetro interno de um cilindro de aço

Aplicação de gráficos de controle para o monitoramento do processo de retificação do diâmetro interno de um cilindro de aço Aplicação de gráficos de controle para o monitoramento do processo de retificação do diâmetro interno de um cilindro de aço Murilo Thiago da Maia (Universidade do Estado de Santa Catarina) murilot.maia@gmail.com

Leia mais

Distribuição de Freqüência

Distribuição de Freqüência Distribuição de Freqüência Representação do conjunto de dados Distribuições de freqüência Freqüência relativa Freqüência acumulada Representação Gráfica Histogramas Organização dos dados Os métodos utilizados

Leia mais

IMES Catanduva. Probabilidades e Estatística. no Excel. Matemática. Bertolo, L.A.

IMES Catanduva. Probabilidades e Estatística. no Excel. Matemática. Bertolo, L.A. IMES Catanduva Probabilidades e Estatística Estatística no Excel Matemática Bertolo, L.A. Aplicada Versão BETA Maio 2010 Bertolo Estatística Aplicada no Excel Capítulo 3 Dados Bivariados São pares de valores

Leia mais

UTILIZANDO O HISTOGRAMA COMO UMA FERRAMENTA ESTATÍSTICA DE ANÁLISE DA PRODUÇÃO DE ÁGUA TRATADA DE GOIÂNIA

UTILIZANDO O HISTOGRAMA COMO UMA FERRAMENTA ESTATÍSTICA DE ANÁLISE DA PRODUÇÃO DE ÁGUA TRATADA DE GOIÂNIA UTILIZANDO O HISTOGRAMA COMO UMA FERRAMENTA ESTATÍSTICA DE ANÁLISE DA PRODUÇÃO DE ÁGUA TRATADA DE GOIÂNIA Edson Kurokawa (*) Engenheiro Civil pela UFG e Mestre em Engenharia de Produção pela UFSC. Trabalha

Leia mais

Estimação de pessoas com deficiência física motora e o mercado automobilístico de carros

Estimação de pessoas com deficiência física motora e o mercado automobilístico de carros Estimação de pessoas com deficiência física motora e o mercado automobilístico de carros Adriele Giaretta Biase 12 Valiana Alves Teodoro 12 Iábita Fabiana Sousa 12 Sônia Maria De Stefano Piedade 1 1 Introdução

Leia mais

3. Características amostrais. Medidas de localização e dispersão

3. Características amostrais. Medidas de localização e dispersão Estatística Descritiva com Excel Complementos. 77 3. Características amostrais. Medidas de localização e dispersão 3.1- Introdução No módulo de Estatística foram apresentadas as medidas ou estatísticas

Leia mais

ESTUDOS PARA IMPLEMENTAÇÃO DE SISTEMA DE GESTÃO DA QUALIDADE EM UMA EMPRESA DE CONSULTORIA EM ENGENHARIA CIVIL

ESTUDOS PARA IMPLEMENTAÇÃO DE SISTEMA DE GESTÃO DA QUALIDADE EM UMA EMPRESA DE CONSULTORIA EM ENGENHARIA CIVIL ESTUDOS PARA IMPLEMENTAÇÃO DE SISTEMA DE GESTÃO DA QUALIDADE EM UMA EMPRESA DE CONSULTORIA EM ENGENHARIA CIVIL ANA LAURA CANASSA BASSETO (UTFPR) alcanassa@hotmail.com Caroline Marqueti Sathler (UTFPR)

Leia mais

Controlo Estatístico de Produtos Pré-embalados. IPQ SEMINÁRIO: Metrologia no Setor Alimentar 30 Outubro 2014 Cristina Barros (ovm@aferymed.

Controlo Estatístico de Produtos Pré-embalados. IPQ SEMINÁRIO: Metrologia no Setor Alimentar 30 Outubro 2014 Cristina Barros (ovm@aferymed. Controlo Estatístico de Produtos Pré-embalados IPQ SEMINÁRIO: Metrologia no Setor Alimentar 30 Outubro 2014 Cristina Barros (ovm@aferymed.pt) 1 Apresentação 2 Apresentação 3 Controlo estatístico dos produtos

Leia mais

Data de recebimento: 03/10/03. Data de aceite para publicação: 26/01/04. 1

Data de recebimento: 03/10/03. Data de aceite para publicação: 26/01/04. 1 Revista Varia Scientia v. 04, n. 07, p.179-184 ARTIGOS & ENSAIOS Elizabete Koehler 1 Reginaldo Aparecido Zara 2 ALGORITMO PARA CÁLCULO DE DISTÂNCIAS MÍNIMAS EM REDES DE ESCALA LIVRE RESUMO: Muitos sistemas

Leia mais

Tradução livre do PMBOK 2000, V 1.0, disponibilizada através da Internet pelo PMI MG em abril de 2001

Tradução livre do PMBOK 2000, V 1.0, disponibilizada através da Internet pelo PMI MG em abril de 2001 Capítulo 8 Gerenciamento da Qualidade do Projeto O Gerenciamento da Qualidade do Projeto inclui os processos necessários para garantir que o projeto irá satisfazer as necessidades para as quais ele foi

Leia mais

Ambiente de workflow para controle de métricas no processo de desenvolvimento de software

Ambiente de workflow para controle de métricas no processo de desenvolvimento de software Ambiente de workflow para controle de métricas no processo de desenvolvimento de software Gustavo Zanini Kantorski, Marcelo Lopes Kroth Universidade Federal de Santa Maria (UFSM) 97100-000 Santa Maria

Leia mais

André Boaventura Gomide Universidade Federal de Santa Catarina

André Boaventura Gomide Universidade Federal de Santa Catarina 2, 3 e 4 de Julho de 2009 ISSN 1984-9354 A INFORMATIZAÇÃO DO CONTROLE DE DOCUMENTOS DE UM SISTEMA DE GESTÃO DA QUALIDADE COM A UTILIZAÇÃO DO SOFTWARE LIVRE MEDIAWIKI: PROPOSTA DE UMA CONFIGURAÇÃO DO SOFTWARE

Leia mais

Gerenciamento da Qualidade de Projetos. Parte 07. Gerenciamento de Projetos Espaciais CSE- 325. Docente: Petrônio Noronha de Souza

Gerenciamento da Qualidade de Projetos. Parte 07. Gerenciamento de Projetos Espaciais CSE- 325. Docente: Petrônio Noronha de Souza Gerenciamento da Qualidade de Projetos Parte 07 Gerenciamento de Projetos Espaciais CSE- 325 Docente: Petrônio Noronha de Souza Curso: Engenharia e Tecnologia Espaciais Concentração: Engenharia e Gerenciamento

Leia mais

O CEP COMO FERRAMENTA DE MELHORIA DE QUALIDADE E PRODUTIVIDADE NAS ORGANIZAÇÕES.

O CEP COMO FERRAMENTA DE MELHORIA DE QUALIDADE E PRODUTIVIDADE NAS ORGANIZAÇÕES. O CEP COMO FERRAMENTA DE MELHORIA DE QUALIDADE E PRODUTIVIDADE NAS ORGANIZAÇÕES. Evandro de Paula Faria, Claudia Cristina de Andrade, Elvis Magno da Silva RESUMO O cenário competitivo exige melhoria contínua

Leia mais

O que é a estatística?

O que é a estatística? Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os

Leia mais

Ferramentas da Qualidade. Professor: Fabrício Maciel Gomes fmgomes@usp.br

Ferramentas da Qualidade. Professor: Fabrício Maciel Gomes fmgomes@usp.br Ferramentas da Qualidade Professor: Fabrício Maciel Gomes fmgomes@usp.br ABORDAGENS DA QUALIDADE ABORDAGENS DA QUALIDADE Desde que a Qualidade se tornou um atributo do processo produtivo, ela vem sendo

Leia mais

APLICACAÇÃO DE METRICAS E INDICADORES NO MODELO DE REFERENCIA CMMI-Dev NIVEL 2

APLICACAÇÃO DE METRICAS E INDICADORES NO MODELO DE REFERENCIA CMMI-Dev NIVEL 2 APLICACAÇÃO DE METRICAS E INDICADORES NO MODELO DE REFERENCIA CMMI-Dev NIVEL 2 Renan J. Borges 1, Késsia R. C. Marchi 1 1 Universidade Paranaense (UNIPAR) Paranavaí, PR Brasil renanjborges@gmail.com, kessia@unipar.br

Leia mais

Desenvolvendo um Ambiente de Aprendizagem a Distância Utilizando Software Livre

Desenvolvendo um Ambiente de Aprendizagem a Distância Utilizando Software Livre Desenvolvendo um Ambiente de Aprendizagem a Distância Utilizando Software Livre Fabrício Viero de Araújo, Gilse A. Morgental Falkembach Programa de Pós-graduação em Engenharia de Produção - PPGEP Universidade

Leia mais

EMENTAS DO CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS

EMENTAS DO CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS EMENTAS DO CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS INTRODUÇÃO À COMPUTAÇÃO 60 h 1º Evolução histórica dos computadores. Aspectos de hardware: conceitos básicos de CPU, memórias,

Leia mais

Manual Programa SOSView 4.0

Manual Programa SOSView 4.0 2012 Manual Programa SOSView 4.0 Laboratório SOS Sotreq Versão Manual 1.0 01/03/2012 Página 1 de 52 Manual Programa SOSView 4 Instalação do Programa Utilização em Rede Importação de Amostras Consulta de

Leia mais

Resumo para Identificação das Necessidades dos Clientes

Resumo para Identificação das Necessidades dos Clientes Resumo para Identificação das Necessidades dos Clientes O processo de decisão de compra é feito através da percepção de que os consumidores têm um problema. Então, se movem em direção à resolução. Disto

Leia mais

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Sumário Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Capítulo I CIÊNCIA, CONHECIMENTOS E PESQUISA CIENTÍFICA... 37 1. Conceito de ciência e tipos

Leia mais

Aula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello

Aula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello Aula 04 Método de Monte Carlo aplicado a análise de incertezas Aula 04 Prof. Valner Brusamarello Incerteza - GUM O Guia para a Expressão da Incerteza de Medição (GUM) estabelece regras gerais para avaliar

Leia mais

1 UML (UNIFIED MODELING LANGUAGE)

1 UML (UNIFIED MODELING LANGUAGE) 1 UML (UNIFIED MODELING LANGUAGE) Segundo Tonsig (2003), para conseguir desenvolver um software capaz de satisfazer as necessidades de seus usuários, com qualidade, por intermédio de uma arquitetura sólida

Leia mais

CAPÍTULO 9 CONTROLE ESTATÍSTICO DO PROCESSO - CEP

CAPÍTULO 9 CONTROLE ESTATÍSTICO DO PROCESSO - CEP CAPÍTULO 9 CONTROLE ESTATÍSTICO DO PROCESSO - CEP 1. INTRODUÇÃO Produções seriadas; Produções não-seriadas; Prestação de serviços. A) Processo com Interação de Insumos Definição de Processo: seqüência

Leia mais

Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos de Sobrevivência

Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos de Sobrevivência TEMA Tend. Mat. Apl. Comput., 7, No. 1 (2006), 91-100. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Uma Avaliação do Uso de um Modelo Contínuo na Análise de Dados Discretos

Leia mais

Gerenciamento de Projetos Exercícios gerais com questões de concursos anteriores

Gerenciamento de Projetos Exercícios gerais com questões de concursos anteriores Gerenciamento de Projetos Exercícios gerais com questões de concursos anteriores Programa 1. Conceitos básicos do PMBOK. 2. Gerenciamento do ciclo de vida do sistema: determinação dos requisitos, projeto

Leia mais

Capítulo 7 Medidas de dispersão

Capítulo 7 Medidas de dispersão Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).

Leia mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais