SELEÇÃO DE MODELOS DE PLANEJAMENTO ECONÔMICO DE GRÁFICOS DE CONTROLE POR VARIÁVEIS COM RESTRIÇÕES ESTATÍSTICAS
|
|
- Sonia Carrilho Coelho
- 6 Há anos
- Visualizações:
Transcrição
1 SELEÇÃO DE MODELOS DE PLANEJAMENTO ECONÔMICO DE GRÁFICOS DE CONTROLE POR VARIÁVEIS COM RESTRIÇÕES ESTATÍSTICAS Osiris Turnes Christian Rainier Imaña Universidade de Brasília ( UnB) osiris@unb.br, christian.rainier@tco.net.br ABSTRACT: Control charts may be designed by using the heuristic rule suggested by Shewhart, by a pure statistical criterion, by an economic criterion or by an economic statistical criterion. In this article, a strictly economic x control chart design models selection system is developed, to which some statistical restrictions are imposed. When a model is chosen, the respective loss/cost function to be minimised is identified. Restrictions considered indispensable are then introduced: producer s and consumer s risks limits. The optimal design is determined by direct search for the values of: sample size, sampling frequency and number of standard deviations from control limits to central line, that minimise the corresponding loss/cost function. The system s final report also presents the value of producer s and consumer s risks and the mean time of false alarms when the process is under control and true alarms when the process is out of control. The method also allows to recalculate the decision variables, from new data, as well as to choose another model. The system performs this way until the optimal design is reached. All the results and intermediate information are stored during the proceeding and are available for future consultation. KEYWORDS: Control Charts for Variables, Economic Design of Control Charts, Economic- Statistical Design of Control Charts.
2 RESUMO: O planejamento dos gráficos de controle pode ser feito usando quatro critérios diferentes: o heurístico de Shewhart, o puramente estatístico, o econômico e o econômico estatístico. Neste trabalho desenvolve-se um sistema de seleção de modelos de planejamento de gráficos de controle por variáveis estritamente econômicos, a partir de informações sobre as características do processo produtivo, aos quais foram impostas algumas condições de caráter estatístico. Selecionado o modelo adequado a um determinado perfil de processo de produção, identifica-se a respectiva função custo/perda a ser minimizada. As restrições introduzidas e consideradas relevantes foram os limites para o erro do consumidor e do produtor. O sistema processa os cálculos necessários para alcançar o mínimo da função custo/perda correspondente e apresenta um relatório de saída do qual constam: o número de elementos da amostra, o intervalo interamostral e o número de desvios padrões que separam os limites de controle da linha central do gráfico, para o procedimento de controle, bem como o valor do erro do produtor, do erro do consumidor e dos tempos de ocorrência de falsos alarmes e de alarmes verdadeiros quando o processo está fora de controle. O sistema admite refazer cálculos, a partir de novos dados de entrada, assim como também, a opção por um novo modelo. O sistema opera desta forma até que, finalmente, o planejamento obtido seja o que melhor se adapta às condições e características do processo em questão. Todos os resultados e informações intermediárias durante o processamento são armazenados possibilitando consultas futuras. 1. Introdução No mundo moderno o crescimento industrial e tecnológico é cada vez mais notável. A expansão dos mercados consumidores exigiu um aumento na oferta de produtos e serviços, tornando o mercado competitivo. Esse fator exigiu uma busca contínua da qualidade, a fim de aperfeiçoar os recursos para conseguir suprir as necessidades e expectativas do consumidor. Esse ambiente despertou em vários pesquisadores o interesse no estudo de técnicas de monitoramento e aperfeiçoamento da qualidade. Os gráficos de controle, vem sendo amplamente utilizados, desde que surgiram como uma concepção de SHEWHART (1931). O planejamento dos gráficos de controle consiste na seleção das variáveis de decisão: número de elementos da amostra (n), freqüência amostral ou intervalos interamostral (h) e número de desvios padrões (k) que separam os limites de controle da linha central do gráfico ou número de aceitação (c) da amostra, que devem ser implementados no processo de controle, em sua grande maioria, com base em critérios estatísticos ou empíricos. Mais recentemente, tem sido dada atenção ao aspecto econômico no planejamento de procedimentos de monitoramento e controle de processos cuja característica de qualidade não pode ser expressada adequadamente por uma medida e cujo processo de produção é afetado por uma causa especial única (ou seja, uma causa especial única é eliminada por vez). Vários pesquisadores tem estudado tais modelos econômicos. Uma revisão bibliográfica feita na literatura existente revelou os seguintes trabalhos relacionados com gráficos de controle por variáveis: DUNCAN (1956), LADANY e BEDI (1969), KNAPPENBERGER e GRANDAGE (1969), GIBRA (1971), BAKER (1971), TAGUCHI (1981), LORENZEN e VANCE(1986), COLLANI(1987), CASTILLO e MONTGOMERY(1993), TAGUCHI, ELSAYED e HSIANG(1990) e outros. Os modelos encontrados apresentam maneiras diferentes de estabelecer suas funções de custo/perda, especialmente devido a pressupostos por eles mesmos estabelecidos. O agrupamento dos modelos foi delineado por SOUZA (1999), a partir de critérios (TURNES,1997) aplicados sobre o conjunto dos modelos encontrados, o que permitiu estabelecer uma relação de equivalência entre processos de produção e o planejamento econômico para gráficos de controle por variáveis e modelos correlatos, adequados a seus perfis. Além disso, foi desenvolvido um fluxograma de apresentação dos modelos, bem como os Diagramas de Fluxo de Dados para o desenvolvimento de um programa computacional que, depois da escolha do modelo adequado, apresenta o planejamento ótimo para o procedimento de controle.
3 O objetivo deste trabalho é, pois, apresentar um sistema computacional desenvolvido para servir de instrumento auxiliar na tomada de decisão por um modelo de planejamento econômico de controle da qualidade por variáveis. Este programa faz parte de um sistema geral, em que são apresentados os modelos para gráficos de controle por atributos e por variáveis. Este sistema pode ser acoplado tanto a softwares de Controle Estatístico de Processos, como a Sistemas Automatizados de Registros de Custos ou de Custos da Qualidade, enriquecendo-os sobremaneira. Além disso, constitui-se em um recurso moderno, flexível, pioneiro, pelo menos no Brasil, e de grande interesse por sua marcante aplicabilidade e indiscutível apoio à área de custos de uma empresa. 2. O modelo estritamente econômico O modelo econômico de planejamento de gráficos de controle por atributos consiste em selecionar o número de elementos da amostra (n), o intervalo interamostral (h) e o número de desvios padrões que separam os limites de controle do gráfico de sua linha central (k), com a preocupação única de obter um planejamento amostral cujo custo associado ao procedimento de controle seja mínimo. Trata-se, pois, de minimizar uma função objetivo F (n,h,k), sem restrições. A função F (n,h,k) considera em seu bojo, os quatro custos da qualidade : custo de amostragem e teste (custo de avaliação); custo de investigação e possível correção após os sinais de alarme ( custo de prevenção); e custo associado à produção de itens defeituosos (custo de falhas internas e externas). Cabe ressaltar que as estimativas de tais parâmetros nem sempre são de fácil obtenção. Os modelos assim desenvolvidos apresentam algumas fragilidades (Woodall,1986) e entre elas são consideradas relevantes: 1. O planejamento econômico de gráficos de controle pode levar a um número excessivo de falsos alarmes; Esta primeira fragilidade decorre, geralmente, de valores muito altos do risco do produtor (α) gerados pelos modelos econômicos ou, de situações em que o custo do alarme falso é muito baixo em relação ao custo associado ao tempo em que o processo está fora de controle. 2. O planejamento econômico de gráficos de controle não detecta rapidamente os desvios esperados do processo. Isto ocorre porque, em grande parte das vezes, o valor do risco do produtor (β) gerado também excede β 0 ; 0, 10 os valores aceitos na prática. Geralmente aceita-se ( ) 3. O planejamento econômico de gráficos de controle não é eficaz na detecção de pequenos desvios não esperados do valor alvo da característica de qualidade; Esta característica não é exclusiva dos modelos econômicos o modelo empírico de Shewhart também tem esta limitação. Para contornar este problema, em geral, utiliza-se como recurso a adoção simultânea de gráficos CUSUM durante o procedimento usual de controle. 3. O modelo econômico com restrições O sistema, objeto do presente trabalho, pretende inicialmente contornar as duas primeiras fragilidades acima citadas. Para isso, em lugar de minimizar a F(n.h,k), sem restrições, passa a utilizar um procedimento alternativo semelhante ao de SANIGA, (1989). Introduz-se, neste caso, ao problema de otimização, duas restrições de caráter estatístico e o novo problema a ser resolvido passa a ser: MinF( n, h, k) s. a. α α u p p onde α u e p l são os limites desejáveis para o erro do Tipo I e o poder do plano amostral. l
4 O modelo acima apresentado permite o acréscimo de tantas restrições quantas forem necessárias, de acordo com o rigor estatístico que se pretenda dar ao procedimento de controle. O número de restrições também pode ser aumentado com vistas a reduzir a superfície a ser examinada na procura pelo valor ótimo. Por exemplo: 1) uma formulação alternativa poderia ser aquela em que todas as restrições são escritas em função dos ARL (número médio de amostras retiradas até a ocorrência de um falso alarme, quando o processo está sob controle ou número médio de amostras retiradas até que o desvio seja detectado, quando o processo está fora de controle); 2) outra, seria formulada adicionando valores limites aos ARLs. Futuramente, pretende-se acrescentar mais uma restrição para que o sistema ora em desenvolvimento apresente modelos que também sejam capazes de detectar pequenos desvios não esperados do processo. 4. Análise do sistema teórico existente (TURNES, 1997; SOUZA, 1999) 4.1 Caracterização das diferentes abordagens De acordo com a literatura estudada foram encontradas quatro linhas de enfoques diferentes que descrevem os modelos estudados (SOUZA, 1997), denominadas de grupo 1, grupo 2, grupo 3 e grupo 4. Essa classificação foi feita de acordo com a semelhança entre as características do processo de produção, o tipo de distribuição de probabilidade que modela o tempo de ocorrência de uma causa especial no processo e o número, tipo e combinação de variáveis de decisão considerados. Esses grupos são caracterizados segundo a tabela a seguir apresentada. Tabela 1: Especificação das características para modelagem do processo de produção GRUPO MODELOS CARACTERÍSTICAS DO PROCESSO GRUPO 1 Knappenberger e Grandage (1969) Gibra (1971) Duncan (1956) Lorenzen e Vance (1986) Collani (1987) - Setup não planejado - Processo não regenerativo - Amostragem convencional GRUPO 2 GRUPO 3 Ladany (1976) - dois modelos Baker (1971) dois modelos Castilho e Montgomery (1993) - Setup não planejado e combinação de setup planejado com não planejado - Processo não regenerativo - Amostragem convencional - Setup não planejado - Processo não regenerativo e regenerativo - Amostragem convencional GRUPO 4 Taguchi (1981, 1990) - Setup não planejado - Processo não regenerativo - Amostragem não convencional As seguintes considerações devem ser feitas: - Considera-se setup todas as interrupções do processo que se reiniciam no estado sobcontrole. Um setup é dito não planejado quando a interrupção decorre de um sinal de que o processo está fora-de-controle (alarme falso ou alarme verdadeiro). - O processo é dito não regenerativo quando a ocorrência de uma causa especial independe dos falsos alarmes, ou seja, a ocorrência de um falso alarme não retarda nem acelera a de uma causa especial. - A amostra é considerada convencional quando o número de itens inspecionados é maior do que um. Caso contrário, a amostragem é dita não convencional
5 4.2 Notação das características consideradas nos modelos de monitoramento da qualidade por variáveis De acordo com o estudo realizado por TURNES (1997), e complementado por SOUZA (1999) o conjunto final das características consideradas decisórias no processo podem ser as representadas na tabela abaixo. Tabela 2: Resumo das características de contorno do processo de produção consideradas na elaboração do fluxograma decisório Resposta Característica Notação Pergunta Sim Não 1. Tipo de setup S planejado? S=1 S=2 2. Tipo de amostragem C convencional? C=1 C=2 3. Tempo de amostragem TA considerado? TA=1 TA=2 4. Tipo de processo R regenerativo? R=1 R=2 5. Processo durante a procura PIP interrompido? PIP=1 PIP=2 6. Reparo ou reajuste RC considerado? RC=1 RC=2 7. Processo durante o reparo PIR interrompido? PIR=1 PIR=2 8. Parâmetros de custo PARC número PARC {2, 3, 4 } 9. Parâmetros do processo PARP número PARP { 3, 4,5, 6, } Usando as informações das Tabelas 1, 2 e as notações utilizadas nas funções custo/perda dos modelos existentes, foram desenvolvidas regras auxiliares que identificam as características de cada modelo com os respectivos parâmetros exigidos. 5.Descrição do sistema Após a análise do sistema teórico existente foi elaborado um projeto lógico, em que foram definidas: as tabelas que formam o banco de dados, a movimentação dos dados e os processos que os modificam. Para a modelagem de dados e de processos foi utilizada a ferramenta case S-Designor 5.1 e a metodologia utilizada foi a de engenharia estruturada de sistemas de Chris Gane & Sarson. A implementação foi feita com técnicas de programação orientada a objetos, utilizando-se Delphi 3.0 e banco de dados no Paradox, por ser o banco de dados nativo do Delphi. O sistema inicia com uma tela de opções que o usuário escolhe entre cadastrar cliente, cadastrar funcionário, escolher modelo, resultado final ou sair. Se for acionada a opção de escolher modelo, abrir-se-á uma tela em que o usuário deverá selecionar o cliente, entre os cadastrados, para a escolha do modelo. Então serão questionadas algumas características de contorno do processo de produção: tipo de setup, tipo de amostragem, tempo de amostragem, características do processo durante a procura e reparo, tipo do processo e características do reparo. Procurou-se reduzir a complexidade da entrada de dados, utilizando perguntas simples a respeito do processo, de tal forma que as respostas se limitam às palavras: sim, não. De acordo com esses valores serão expostos os modelos que atendem a essas características para que o usuário escolha entre os modelos possíveis. Cada modelo requer uma entrada específica de parâmetros de custo e de processo. Assim, de acordo com o modelo escolhido o sistema habilitará somente a entrada dos parâmetros exigidos por esse modelo. Ao ser acionado o botão "calcular" o sistema processará os cálculos necessários para alcançar o valor mínimo da função de custo/perda do modelo correspondente e apresenta um relatório de saída do qual constam: o número de elementos da amostra, o intervalo interamostral, o número de aceitação, o erro do produtor (α), o erro do consumidor (β ) e o custo mínimo do planejamento ótimo delineado, sem restrições. Caso os valores de α e/ou β não estejam compatíveis, o operador poderá acionar as restrições limitantes para ambos os riscos. Caso o usuário deseje optar por um dos outros modelos disponíveis, o sistema operará como anteriormente. O sistema coloca sempre a disposição, uma análise de sensibilidade, após os resultados obtidos a partir do delineamento feito na caixa de entrada de
6 dados. Estes resultados são armazenados em um arquivo texto que poderá ser importado por outros softwares de análise de dados. O sistema oferece mais de uma vez a opção por outro modelo, para o caso em que o usuário deseje conhecer ou tentar outras alternativas. Quando, finalmente, o usuário tiver decidido pelo modelo que, em sua opinião, melhor se adapta as condições e características do processo em questão, o sistema passará a executar uma análise de sensibilidade em torno do valor ótimo encontrado, segundo as redefinições dos valores de entrada que por ele forem julgadas necessárias. O programa computacional desenvolvido para a tomada de decisão por um modelo de planejamento de gráfico de controle por variáveis ou modelos correlatos, toma como base os dados das Tabelas 1, 2 e segue o raciocínio do fluxograma apresentado abaixo. IN ÍC IO Solicita: -características do processo -tipo de am ostragem -parâmetros de custo/processo IN TE R FA C E Após o processam ento dos dados de entrada, o sistem a apresenta o modelo recomendado, de acordo com as respostas dadas na caixa de diálogo APRESENTACÃO DOS MODELOS Resultados obtidos a partir do m odelo. Saídas: n, h, c, alfa, beta e o custo mínimo PLANEJAMENTO Ó TIM O Redefinir valores dos parâmetros SIM Deseja refazer os cálculos a partir de outros valores? NÃO Deseja optar por outro m odelo? SIM NÃO Im prim e: -nom e do últim o m odelo -n, h, c, alfa e beta -custo mínimo- Figura 1: Macro fluxograma do Sistema desenvolvido
7 6. Conclusão Embora os modelos econômicos para planejamento de gráficos de controle e seus procedimentos de otimização estejam disponíveis há muitos anos, poucas empresas têm implementado estas técnicas, na prática. De alguma forma isto é surpreendente, porque a maioria dos administradores anseia por redução de custos, aumento da produtividade e aperfeiçoamento da qualidade, como principais objetivos empresariais. A relutância ao uso destas técnicas se deve, principalmente, a dificuldade em estimar os parâmetros de entrada, as distribuições a priori de probabilidade que regem a ocorrência das causas especiais e outros parâmetros dos modelos. Felizmente, tanto os custos como as distribuições a priori, não precisam ser estimados com alta precisão, pois, os modelos são relativamente robustos em relação a erros de estimativa. No entanto, existem alguns parâmetros críticos, tal como o desvio do processo. O sistema ora desenvolvido vem suprir uma lacuna existente na utilização do planejamento econômico dos gráficos de controle por atributos adequados a determinados perfis de processos produtivos, já que, a falta de um programa computacional flexível dificulta a implementação deste instrumento de apoio a decisão. Por outro lado, o sistema tem funcionado a contento com dados de parâmetros encontrados na literatura. De acordo com o esperado, os resultados têm sido mais precisos dos que aqueles apresentados nas décadas de 70 e 80. Presume-se que esta performance seja resultado da diferença sensível entre os recursos computacionais existentes naquela época comparativamente aos da atualidade. Finalmente, programa é eficaz, pois apresenta resultados exatos, mas ainda lhe falta eficiência ( a técnica grid search é um pouco lenta). Pode-se, no entanto reduzir o tempo de computação, restringindo mais a superfície a ser varrida pelo grid. Isto pode ser feito de duas maneiras: 1) encontrando primeiramente o mínimo para o par (n,c) e, a seguir calculando um valor aproximado para h (preferencialmente múltiplos de hora, meia hora, ou quinze minutos) ou 2) impor novas restrições estatísticas, para evitar valores extraordinários da superfície que está sendo examinada. 7 Referências Bibliográficas BAKER, K.R. Two process models in the economic design of an X chart. AIIE Transactions. v.3, 1971, p CASTILLO, E. del; MONTGOMERY, D.C. Optimal Design of Control Charts for Monitoring Short Production Runs. Journal and Newsletter for Quality and Reliability. v. 8, 1993, p COLLANI, E. von. The Economic Design of X Control Charts. Proceedings of IASTED International Conference on Reliability and Quality Control. 1987, p DUNCAN, A.J. The Economic Design of X Charts Used to Maintain Current Control of a Process. Journal of American Statistical Association. 1956, p GIBRA, I.N. Economically Optimal Determination of the Parameters of X Control Chart. Management Science. v. 17, 1971, p LADANY, S.P.; BEDI, D.N. Selection of the Optimal Setup Policy. Naval Research Logistics Quarterly. v. 23, 1969, p LORENZEN, T.J.; VANCE, L.C. The Economic Design of Control Charts: a Unified Approach. Technometrics. v.28, 1986, p KNAPPENBERGER, H.A.; GRANDAGE, A.H. Minimum Cost Quality Control Tests. AIIE Transactions. v.1, 1969, p SLEEGERS, L.C. Sistema de Seleção e Adequabilidade dos Modelos de Monitoramento da Qualidade por Atributo. Anais do 5 o Congresso de Iniciação Científica da Universidade de Brasília. 1999, p SOUZA, N.R. Agrupamento dos Modelos de Planejamento Econômico para Gráficos de Controle. Anais do 5 o Congresso de Iniciação Científica da Universidade de Brasília. 1999, p SANIGA, E.M. Joint Economically Optimal Design of X and R Control Charts. Management Science. v. 24, 1977, p SANIGA, E.M. Economic Statistical Control-Chart Designs with an Application to X and R Charts. Technometrics. v.31, 1989, p
8 TAGUCHI, G. On-line Quality Control During Production. Tokyo, Japanese Standards Association, TURNES, O. Custos da Qualidade: Planejamento Econômico dos Gráficos de Controle por Atributos e Modelos Correlatos. Tese de Doutorado. Florianópolis, Brasil, 1997.
Estudo 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 maisAGRUPAMENTO DOS MODELOS DE PLANEJAMENTO ECONÔMICO PARA GRÁFICOS DE CONTROLE - X
AGRUPAMENTO DOS MODELOS DE PLANEJAMENTO ECONÔMICO PARA GRÁFICOS DE CONTROLE - X Osiris Turnes Universidade de Brasília Departamento de Estatística 70910-900 Brasília DF Endereço eletrônico: osiris@unb.br
Leia maisSISTEMA PARA SELEÇÃO DE MODELOS DE PLANEJAMENTO ECONÔMICO DE GRÁFICOS DE CONTROLE POR ATRIBUTOS COM RESTRIÇÕES ESTATÍSTICAS
SISTEMA PARA SELEÇÃO DE MODELOS DE PLANEJAMENTO ECONÔMICO DE GRÁFICOS DE CONTROLE POR ATRIBUTOS COM RESTRIÇÕES ESTATÍSTICAS Osiris Turnes Universidade de Brasília Departamento de Estatística 70910-900
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 maisModelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais
Luiz Henrique Abreu Dal Bello Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais Tese de Doutorado Tese apresentada como requisito parcial para obtenção do título de Doutor
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 maisGRÁFICOS 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 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 maisAPLICAÇÕES DE CADEIAS DE MARKOV NO PLANEJAMENTO DE CARTAS DE CONTROLE POR ATRIBUTOS
APLICAÇÕES DE CADEIAS DE MARKOV NO PLANEJAMENTO DE CARTAS DE CONTROLE POR ATRIBUTOS Fernanda Ferreira de Sousa 1 Lupércio França Bessegato 2 RESUMO Nesse trabalho, considera-se um procedimento para controle
Leia maisCÁLCULO DO TAMANHO AMOSTRAL EM R SHINY. Calculation of the Sample Size in R Shiny
CÁLCULO DO TAMANHO AMOSTRAL EM R SHINY Calculation of the Sample Size in R Shiny BARASUOL, João B. 1 ; GELATTI, Gabriel A. 2 ; JOCHIMS, Gabriel S. 3 ; NASCIMENTO; Antonielli D. do 4 ; ANSUJ, Angela P.
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 maisMANUAL PARA DESENVOLVIMENTO DE SOFTWARE TRABALHO DE CONCLUSAO DE CURSO EM SISTEMAS DE INFORMAÇÃO
MANUAL PARA DESENVOLVIMENTO DE SOFTWARE TRABALHO DE CONCLUSAO DE CURSO EM SISTEMAS DE INFORMAÇÃO Sumário PREFÁCIO...3 MODELO DA DOCUMENTAÇÃO...3 1. INTRODUÇÃO AO DOCUMENTO...3 1.1. Tema...3 2. DESCRIÇÃO
Leia maisModelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15
Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15 1 Introdução Na indústria moderna há uma contínua busca da otimização dos níveis de produção e da melhoria da qualidade
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 maisControle Estatístico da Qualidade
Controle Estatístico da ESQUEMA DO CAPÍTULO 15.1 MELHORIA E ESTATÍSTICA DA QUALIDADE 15.2 CONTROLE ESTATÍSTICO DA QUALIDADE 15.3 CONTROLE ESTATÍSTICO DE PROCESSO 15.4 INTRODUÇÃO AOS GRÁFICOS DE CONTROLE
Leia mais6 ESCALONAMENTO DE CPU
6 ESCALONAMENTO DE CPU O escalonamento de CPU é ponto chave da multiprogramação. Ela permite que haja mais de um processo em execução ao mesmo tempo. Em ambientes com um único processador, o escalonador
Leia maisMODELO DE SIMULAÇÃO DE UMA SOLUÇÃO DE INTEGRAÇÃO USANDO TEORIA DAS FILAS 1 SIMULATION MODEL OF AN INTEGRATION SOLUTION USING QUEUE THEORY
MODELO DE SIMULAÇÃO DE UMA SOLUÇÃO DE INTEGRAÇÃO USANDO TEORIA DAS FILAS 1 SIMULATION MODEL OF AN INTEGRATION SOLUTION USING QUEUE THEORY Félix Hoffmann Sebastiany 2, Sandro Sawicki 3 1 Projeto de pesquisa
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 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 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 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 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 maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
PROJETO ÓTIMO DE GRÁFICOS DE CONTROLE DE PROCESSO POR ATRIBUTOS Carolina Nogueira Nolasco Astolfi Fernanda Correia Hamacher Pontifícia Universidade Católica do Rio de Janeiro Departamento de Engenharia
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 maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia mais5 Decisão Sob Incerteza
5 Decisão Sob Incerteza Os problemas de decisão sob incerteza são caracterizados pela necessidade de se definir valores de variáveis de decisão sem o conhecimento prévio da realização de parâmetros que,
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 maisAULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS
1 AULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS Ernesto F. L. Amaral 14, 19 e 21 de março de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas
Leia maisUma Avaliação do Erro Tipo II no Uso do Teste t-student
Uma Avaliação do Erro Tipo II no Uso do Teste t-student Cleber Giugioli Carrasco Thiago Santana Lemes 1 Unidade Universitária de Ciências Exatas e Tecnológicas, Universidade Estadual de Goiás, UnUCET/UEG,
Leia maisTESTES DE SOFTWARE 1. Fundamentos sobre testes de software
ENG SOFT - TESTES TESTES DE SOFTWARE 1. Fundamentos sobre testes de software A atividade de teste de software sempre foi considerada como um gasto de tempo desnecessário, uma atividade de segunda classe,
Leia maisEstatística Industrial
Apresentação Estatística Industrial Prof. Lupércio F. Bessegato Departamento de Estatística UFJF E-mail: lupercio.bessegato@ufjf.edu.br Site: www.ufjf.br/lupercio_bessegato Linhas de pesquisa: Controle
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 mais3 Decisões de Localização de Instalações
3 Decisões de Localização de Instalações Historicamente, o estudo contemporâneo dos problemas de localização foi iniciado por Alfred Weber, que estudou a localização de uma fábrica com o objetivo de minimizar
Leia maisFUNDAMENTOS DA ANÁLISE E PROJETO DE SISTEMAS. Projeto de Programas PPR0001
FUNDAMENTOS DA ANÁLISE E PROJETO DE SISTEMAS Projeto de Programas PPR0001 2 Introdução Antes de desenvolver ou construir qualquer produto ou sistema em engenharia é necessário um... o PROJETO O que é um
Leia maisEstatística Inferencial
statística Inferencial A ou inferencial compreende a stimação e o Teste de hipótese. Na verdade, a estatística inferencial forma a base das atividades de controle da qualidade e também pode auxiliar na
Leia mais5 Fidedignidade Disponibilidade Confiabilidade Segurança Proteção Privacidade Integridade
99 5 Fidedignidade O objetivo desta seção é apresentar a terminologia comumente utilizada na literatura de tolerância a faltas. Esta introdução é importante para auxiliar na identificação dos aspectos
Leia maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho agosto/2013 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisINTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL. Aula 06 Prof. Vitor Hugo Ferreira
Universidade Federal Fluminense Escola de Engenharia Departamento de Engenharia Elétrica INTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL Aula 06 Prof. Vitor Hugo Ferreira Representação por cromossomos Codificação
Leia maisModelos: Verificação, Validação e Experimentação
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO Modelos: Verificação, Validação e Experimentação Prof. Luís César da Silva (UFES/CCA) ESA 01 Engenharia de Sistemas Modelos Validados e Confiáveis Fundamentos: (Naylor
Leia maisRespostas aos Riscos Avaliados
Respostas aos Riscos Avaliados Avaliação de Riscos Respostas aos Riscos Significativos Estratégia Global Plano de Auditoria NBC TA 330 Respostas do Auditor aos Riscos Avaliados O auditor deve planejar
Leia maisEngenharia de Software
Tema da Aula Origens da Modelagem de Retrospectiva Histórica Prof. Cristiano R R Portella portella@widesoft.com.br Origens da Modelagem de A pré-história Antes de 1960: Nenhuma metodologia. Programar computador
Leia mais8 Conclusões e Sugestões para pesquisas futuras
8 Conclusões e Sugestões para pesquisas futuras 8.1 Conclusões Ao longo desta tese foram detalhadas e analisadas as propostas de novos gráficos de controle de grupos para o monitoramento da dispersão intra-canal
Leia maisAEOLLICUS - SISTEMA DE GERENCIAMENTO E SIMULAÇÃO DE FAZENDAS EÓLICAS
AEOLLICUS - SISTEMA DE GERENCIAMENTO E SIMULAÇÃO DE FAZENDAS EÓLICAS Anderson Nunes Coelho 1 Alex de Paula Pinheiro 1 Alaine Margarete Guimarães 2 Jorim Sousa das Virgens Filho 3 RESUMO: O sucesso dos
Leia maisQualidade. Ana Madureira
Qualidade Ana Madureira Qualidade da Informação A qualidade de uma informação é apreciada em função da sua pertinência (adaptação às necessidades do sistema de gestão). Três características permitem medir
Leia maisMetodologia de Gestão de Projetos. Definir o escopo de um projeto e gerência de requisitos
Metodologia de Gestão de Projetos Definir o escopo de um projeto e gerência de requisitos 1 Definir o escopo de um projeto 2 / 35 Objetivo: definir o escopo de um projeto Produto: Documento pode se chamar
Leia mais1. INTRODUÇÃO A MODELAGEM DE DADOS
1. INTRODUÇÃO A MODELAGEM DE DADOS Para se construir uma casa ou um prédio de qualidade, é essencial fazer um planejamento detalhado, com a finalidade de pensar sobre as formas de construção, fazer estimativas
Leia maisPesquisas Eleitorais e as Amostras por Cota
Rio de Janeiro, 10 de Abril de 2016. Pesquisas Eleitorais e as Amostras por Cota Nota Nº 2 (Continuação da Nota Nº 1) 3ª Parte Parâmetros da margem com alternativas de Viés. Luiz Carlos da Rocha O objetivo
Leia maisEngenharia de Software
Instituto Superior Politécnico de Ciências e Tecnologia Engenharia de Software Prof Pedro Vunge www.pedrovunge.com I Semestre de 2018 Capítulo 1 Introdução SUMÁRIO Engenharia de Software Definição; Objectivos
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
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 maisGarantia da Qualidade, Medição e Melhoria. Leonardo Gresta Paulino Murta
Garantia da Qualidade, Medição e Melhoria Leonardo Gresta Paulino Murta leomurta@ic.uff.br Exercício motivacional Leonardo Murta Garantia da Qualidade, Medição e Melhoria 2 Qualidade depende da perspectiva...
Leia maisO PAPEL DOS SISTEMAS DE INFORMAÇÃO NAS ORGANIZAÇÕES
UNINGÁ UNIDADE DE ENSINO SUPERIOR INGÁ FACULDADE INGÁ DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO ERINALDO SANCHES NASCIMENTO O PAPEL DOS SISTEMAS DE INFORMAÇÃO NAS ORGANIZAÇÕES MARINGÁ 2014 SUMÁRIO SUMÁRIO...1
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 maisModelagem de um sistema informatizado de calculo de rotas logísticas com algoritmo de busca heurística Elias Vidal Bezerra Junior 1
Modelagem de um sistema informatizado de calculo de rotas logísticas com algoritmo de busca heurística Elias Vidal Bezerra Junior 1 1 Mestrando do Programa de Pós-Graduação em Ciência da Computação CIN/UFPE.
Leia maisAvaliação dos processos de amostragem de inspeção para atributos no setor de matéria prima na indústria farmacêutica local
Avaliação dos processos de amostragem de inspeção para atributos no setor de matéria prima na indústria farmacêutica local Shamon Henrique Feitosa de Souza ; Emerson Wruck 2 Bolsista PBIC/UEG, graduando
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 maisUM ESTUDO DO ERRO TIPO II EM UM TESTE DE HIPÓTESES PARA A MÉDIA
UM ESTUDO DO ERRO TIPO II EM UM TESTE DE HIPÓTESES PARA A MÉDIA CARRASCO, Cleber Giugioli 1 SILVA, Luciano Amaral da 2 7 Recebido em: 2013-04-29 Aprovado em: 2013-09-29 ISSUE DOI: 10.3738/1982.2278.894
Leia maisASIP Conference 2007
Establishing Reliability of Inspection Interval for Structures Subjected to Fatigue Loads Maj ALBERTO W Mello, Ph.D Maj Abilio N GARCIA, Ph.D Maj Cesar DEMETRIO Santos, MSc ASIP Conference 2007 Establishing
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
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 maisEngenharia da Qualidade II. Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Engenharia da Qualidade II Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente.
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia mais17º Congresso de Iniciação Científica APLICAÇÃO DA ENGENHARIA BASEADA EM CONHECIMENTO NA ANÁLISE CINEMÁTICA DE ROBÔS INDUSTRIAIS
17º Congresso de Iniciação Científica APLICAÇÃO DA ENGENHARIA BASEADA EM CONHECIMENTO NA ANÁLISE CINEMÁTICA DE ROBÔS INDUSTRIAIS Autor(es) CARLOS ALBERTO DE SOUZA BARROSO Orientador(es) KLAUS SCHÜTZER
Leia maisAnálise e Projeto de Sistemas I. Curso de Sistemas de Informação. Karla Donato Fook DESU / DComp.
Análise e Projeto de Sistemas I Curso de Sistemas de Informação Karla Donato Fook karladf@ifma.edu.br DESU / DComp 2018 2 1 Técnica que orienta a análise de sistemas para a essência do negócio ao qual
Leia maisCAPÍTULO 6 CONCLUSÕES E INDICAÇÕES DE PESQUISAS
Método para avaliação de risco operacional em bancos CAPÍTULO 6 CONCLUSÕES E INDICAÇÕES DE PESQUISAS No fundo, será esta a primeira vez que você fez um trabalho científico 6.1 CONCLUSÕES sério e rigoroso,
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 maisDesenvolvimento e aplicação da Ciência e Engenharia de Materiais e da Engenharia de Produção em processos de montagem elétrica e eletrônica
www.eldorado.org.br Desenvolvimento e aplicação da Ciência e Engenharia de Materiais e da Engenharia de Produção em processos de montagem elétrica e eletrônica Joelson Fonseca O Instituto Eldorado Associação
Leia maisRational Unified Process (RUP)
Rational Unified Process (RUP) A Rational é bem conhecida pelo seu investimento em orientação em objetos. A empresa foi à criadora da Unified Modeling Language (UML), assim como de várias ferramentas que
Leia maisAULA FMEA FABIANO DROZDA
AULA FMEA FABIANO DROZDA 1 Failure Modes Effects Analysis (FMEA) is used during the development of new products and processes to identify, control and eliminate the causes of failure, while mitigating
Leia mais23/05/12. Consulta distribuída. Consulta distribuída. Objetivos do processamento de consultas distribuídas
Processamento de Consultas em Bancos de Dados Distribuídos Visão geral do processamento de consultas IN1128/IF694 Bancos de Dados Distribuídos e Móveis Ana Carolina Salgado acs@cin.ufpe.br Bernadette Farias
Leia maisCE219 - Controle Estatístico de Qualidade
CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 20 de abril, 2018 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 20 de abril, 2018 1 / 25 Aula 5 - Análise da capacidade
Leia maisTamanho Amostral para Detecção de Diferenças Significativas entre Tratamentos
Tamanho Amostral para etecção de iferenças Significativas entre Tratamentos Marcos eon Vilela de Resende 1 José Alfredo Sturion José Carlos uarte Pereira 3 RESUMO No presente trabalho são apresentados
Leia maisMODELO DE PROGRAMAÇÃO LINEAR INTEIRA MISTA PARA MINIMIZAÇÃO DOS ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM SETUP DEPENDENDE DA SEQUÊNCIA
MODELO DE PROGRAMAÇÃO LINEAR INTEIRA MISTA PARA MINIMIZAÇÃO DOS ADIANTAMENTOS E ATRASOS EM FLOW SHOP COM SETUP DEPENDENDE DA SEQUÊNCIA Cristiano Marinho Vaz, cmv02@hotmail.com Vinícius Ferreira da Silva
Leia maisO uso de Máquina de Suporte Vetorial para Regressão (SVR) na Estimação da Estrutura a Termo da Taxa de Juros do Brasil 12
1 Introdução No Brasil, o grande aumento na adesão a planos de previdência privada nos últimos tempos implicou em maiores preocupações de bancos e seguradoras em fazer investimentos visando garantir o
Leia maisIntrodução a Teste de Software
Universidade Católica de Pelotas Tecnólogo em Análise e Desenvolvimento de Sistemas Disciplina de Qualidade de Software Introdução a Teste de Software Prof. Luthiano Venecian 1 Conceitos Teste de software
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 maisPadrão para Especificação de Requisitos de Produto de Multimídia
Padrão para Especificação de Requisitos de Produto de Multimídia 1 Introdução 1.1 Escopo do documento Sugere-se aqui uma estrutura para a Especificação de Requisitos de Produto de Multimídia (ERPM). Esta
Leia maisGestão de Segurança da Informação. Interpretação da norma NBR ISO/IEC 27001:2006. Curso e Learning Sistema de
Curso e Learning Sistema de Gestão de Segurança da Informação Interpretação da norma NBR ISO/IEC 27001:2006 Todos os direitos de cópia reservados. Não é permitida a distribuição física ou eletrônica deste
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 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 maisCRI Minas Indústria 4.0. Case Vallourec: Golden Batch na produção de tubos
CRI Minas Indústria 4.0 Case Vallourec: Golden Batch na produção de tubos 02 05 2018 G o l d e n B a t c h A n a l y s i s Case Vallourec Líder mundial em soluções tubulares premium, a Vallourec assegura
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisCurso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09. Prof. Eduardo R Luz - MsC
Curso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09 Prof. Eduardo R Luz - MsC AULA 1 SUMÁRIO A Administração da Qualidade O Controle da Qualidade CEP Origem e história Outros conceitos relacionados ao CEP
Leia maisQualidade de software. Prof. Emiliano Monteiro
Qualidade de software Prof. Emiliano Monteiro Por que realizar revisões por pares? 1. Para melhorar a qualidade. 2. Captura 80% de todos os erros se feito corretamente. 3. Captura erros de codificação
Leia maisAcadêmico: Mateus Artur Schneiders Prof. Orientador: Dr. Mauro Marcelo Mattos
Adoção de JBoss Drools no desenvolvimento de sistemas Acadêmico: Mateus Artur Schneiders Prof. Orientador: Dr. Mauro Marcelo Mattos Roteiro da apresentação Introdução Objetivos Fundamentação Teórica Trabalhos
Leia maisInspeção de Qualidade
Inspeção de Qualidade Roteiro 1. Inspeção para Aceitação 2. Planos de Amostragem Simples 3. Determinação Plano de Amostragem 4. Inspeção Retificadora 5. Plano de Amostragem Dupla 6. Referências Inspeção
Leia maisContextualização e noções básicas do CEQ
Contextualização e noções básicas do CEQ Conteúdo Programático MÓDULO 1: Previsão e Estimação da Demanda 1.1 Origem nas contribuições de Shewhart 1.2 Evolução e contexto histórico 1.3 A qualidade no contexto
Leia maisSENSOMETRIA. Adilson dos Anjos. Curitiba, PR 5 de março de Departamento de Estatística Universidade Federal do Paraná
SENSOMETRIA Adilson dos Anjos Departamento de Estatística Universidade Federal do Paraná aanjos@ufpr.br Curitiba, PR 5 de março de 2015 1 / 22 SENSOMETRIA Métodos Discriminativos 2 / 22 Definido pela ABNT
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 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 maisPesquisa Operacional Introdução. Profa. Alessandra Martins Coelho
Pesquisa Operacional Introdução Profa. Alessandra Martins Coelho julho/2014 Operational Research Pesquisa Operacional - (Investigação operacional, investigación operativa) Termo ligado à invenção do radar
Leia maisVar como uma medida de risco para modelos de estoque
Var como uma medida de risco para modelos de estoque José Roberto Securato Departamento de Administração da FEA-US e-mail: securato@usp.br atrícia rado Belfiore Escola olitécnica da US e-mail: patricia.belfiore@poli.usp.br
Leia maisTeste de Software. Engenharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2015
Teste de Software Engenharia de Software Profa. Dra. Elisa Yumi Nakagawa 1º semestre de 2015 Tópicos da Aula Ø Teste de Software Ø Terminologia e Conceitos Básicos Ø Técnicas e Critérios de Teste Ø Técnicas
Leia maisEngenharia de Software
Prof. M.Sc. Ronaldo C. de Oliveira ronaldooliveira@facom.ufu.br FACOM - 2011 Verificação e Validação (V&V) S.L.Pfleeger (Cap.8 & 9) R.Pressman (Cap.13 & 14) I.Sommerville (Cap.22 & 23) Introdução Verificação
Leia maisUMA INTRODUÇÃO AOS CONCEITOS DE GESTÃO ABSOLUTA E RELATIVA DE INVESTIMENTOS. Ney Roberto Ottoni de Brito
UMA INTRODUÇÃO AOS CONCEITOS DE GESTÃO ABSOLUTA E RELATIVA DE INVESTIMENTOS Ney Roberto Ottoni de Brito Junho 2005 I. INTRODUÇÃO Este trabalho objetiva apresentar os conceitos de gestão absoluta e de gestão
Leia mais