COMPARAÇÃO DO DESEMPENHO ENTRE OS GRÁFICOS DE CONTROLE X-BARRA E T - STUDENT VARIANDO- SE O NÚMERO E O TAMANHO DAS AMOSTRAS
|
|
- Ágata Nunes Pinheiro
- 6 Há anos
- Visualizações:
Transcrição
1 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 ) germano.rosa@ifmg.edu.br Guilherme Dandrade Lourenco (UFSCar ) rugby05@gmail.com Lucas Augusto Radicchi (UFSCar ) luradicchi@gmail.com Pedro Carlos Oprime (UFSCar ) pedro@dep.ufscar.br Os gráficos de controle são ferramentas estatísticas poderosas para alertar ocorrências de anormalidades durante um processo produtivo, além de proporcionar às organizações uma linguagem comum para discutir o desempenho do processo. O monitoramento das características críticas para qualidade do produto por meio dos gráficos de controle torna vital a fase de dimensionamento destes gráficos, pois um mau desempenho levará a tomadas de decisões equivocadas. Dada à importância, este artigo aborda a comparação das propriedades estatísticas entre a carta X-barra e a carta t-student
2 ao variar o número (m), o tamanho (n) e o delta (δ) das amostras, dispostos em tabelas. A performance dos dois gráficos de controle será avaliada por meio do cálculo da medida de desempenho ARL (average run lenght), evidenciada graficamente. Ao final será realizado um paralelo em relação ao estudo apresentado no artigo de Castagliola; Celano; Fichera, 2013, a fim de verificar as possíveis diferenças entre os resultados obtidos. Palavras-chaves: CEP, desempenho dos gráficos de controle, ARL, variação dos parâmetros 2
3 1. Introdução Dentre todas as ferramentas do controle estatístico de processo (CEP), o gráfico de controle ocupa um papel de destaque na engenharia da qualidade, pois ele possibilita estatisticamente controlar os processos. Essa poderosa técnica possibilita aos gerentes e operadores a (MONTGOMERY, 2004): a) Separar as variações dos processos entre causas comuns e causas especiais; b) Coletar dados ao longo do tempo e compará-los para identificar problemas; c) Utilizar de uma linguagem comum para discutir o desempenho do processo; d) Verificar se alterações intencionais em um processo alcançaram o resultado esperado; e) Monitorar processos e identificar rapidamente mudanças ou alterações para ajudar a conservar os ganhos gerados por um projeto de melhoria. No caso em que as características da qualidade em estudo referem-se a um tipo de dado contínuo (com variação ao longo do tempo) coletado em subgrupos (amostra do processo para gerar um ponto no gráfico), tradicionalmente, o gráfico é escolhido (MONTGOMERY, 1992; MONTGOMERY, 2004). Um dos motivos pela escolha desse tipo de gráfico é o fato de que os subgrupos permitem uma estimativa precisa de variabilidade local de modo a captar somente os efeitos decorrentes de causas aleatórias dentro de cada subgrupo, e detectar diferenças entre subgrupos. A eficácia do CEP é afetada por julgamentos errôneos sobre o real estado do processo, e cabe aos instrumentos estatísticos mitigar esses erros. A implantação dos gráficos de controle estatístico do processo passa por duas fases, conforme indica Montgomery (1992). É na chamada fase I que são estabelecidos os limites de controle, no caso da carta clássica de Shewhart /s e /R, por meio da estimativa dos parâmetros estatísticos da média (µ) e desvio padrão (σ). O problema desses gráficos de controle é supor que os parâmetros estatísticos sejam conhecidos, o que na prática não é verdade. Isso afeta substancialmente a eficiência desses 3
4 gráficos. Esse problema foi estudado pelos principais autores da área (JENSEN et al., 2006; CASTAGLIOLA; CELANO; CHEN, 2009; CASTAGLIOLA; MARAVELAKIS, 2011; CASTAGLIOLA; CELANO; FICHERA, 2013). Em todos esses estudos o objetivo foi melhorar o desempenho dos gráficos de controle, redimensionando os procedimentos de cálculo dos limites de controle utilizados correntemente. Castagliola, Celano e Fichera (2013) fizeram um interessante estudo sobre o desempenho dos gráficos de controle e. Os autores estudaram as cartas e onde propuseram novas constantes e para os cálculos dos limites de controle para o erro e consequente número médio de amostras até a detecção de um ponto fora de controle (Average Run Lenght), quando o processo está sob controle. Nesse trabalho são estabelecidas e para diferentes números e tamanhos de amostras. Este artigo procura avaliar o que ocorre com o desempenho do gráfico de controle, por meio da medida de desempenho ARL, quando se varia o número (m) e o tamanho (n) de amostras para uma determinada faixa de variação na média com base no número de desvio padrão ( ). Na sequência, foi comparado com o desempenho do gráfico de controle t- student para o mesmo plano amostral descrito anteriormente. Foram utilizados métodos de simulação desenvolvidos no software Maple 13 para a análise do desempenho dos gráficos e t-student. Em geral, o método de simulação é mais simples que os métodos numéricos o que facilita seu uso em problemas de engenharia. O artigo foi estruturado da seguinte maneira: na próxima seção será realizada uma revisão teórica, onde serão expostos os principais autores e seus respectivos estudos relacionados ao tema do trabalho. Posteriormente, será apresentado o método de trabalho realizado, com as tabelas contendo os parâmetros selecionados para os diferentes planos amostrais e as curvas da medida de desempenho ARL obtidas para ambos os gráficos de controle, completando assim a análise numérica. Na seção 4, finalmente será realizada a conclusão sobre o 4
5 desempenho estatístico dos gráficos e t-student, discutindo os resultados obtidos, além de compará-los com o estudo realizado no artigo de Castagliola, Celano e Fichera (2013). 2. Revisão da literatura 2.1. Fundamentos teóricos do controle estatístico do processo O controle estatístico do processo (CEP) compreende um conjunto de técnicas estatísticas utilizadas no monitoramento sistemático dos processos produtivos, a fim de contribuir para a fabricação de produtos ou serviços que atendam aos requisitos dos clientes (CASTAGLIOLA et al., 2008). A essência do CEP é monitorar a variação inerente aos processos, denominada de variação natural do processo, e distingui-las das causas especiais, que em geral são identificáveis (JURAN, 1982). A fundamentação teórica do CEP centra-se na distinção entre causas comuns e causas especiais. As causas comuns produzem individualmente pequenos efeitos e são difíceis de serem detectas e eliminadas. Por outro lado, as causas especiais produzem grandes efeitos, sua ocorrência é menos frequente e são mais fáceis de serem detectadas (MICHEL; FOGLIATTO, 2002; MONTGOMERY; RUNGER, 2003). O procedimento estatístico proposto por Shewhart define limites estatísticos de controle que contenha somente a variabilidade aleatória, natural do processo. Isso é feito extraindo-se amostras pequenas (n<9), denominado de subgrupos racionais, ao longo do tempo de modo a determinar um padrão de variabilidade. Segundo Jensen et al. (2006), a estimação de parâmetros nos gráficos de controle tem gerado diversas questões de pesquisa. Uma delas se preocupa com a determinação da eficiência dos gráficos de controle. A outra busca determinar o número e o tamanho das amostras que devem ser considerados na fase I para se garantir o correto desempenho do gráfico na fase II. Por fim, são estudadas formas de se ajustar os limites do gráfico na fase II com o objetivo principal de minimizar os efeitos da estimação. 5
6 Em geral, os valores dos parâmetros do processo não são conhecidos e precisam ser estimados. As incertezas associadas a essas estimativas podem causar diferenças de desempenho dos gráficos de controle em relação ao uso dos mesmos com parâmetros conhecidos (JENSEN et al., 2006). Quando os parâmetros de uma determinada característica da qualidade são desconhecidos, os gráficos de controle são normalmente construídos em duas fases. Na fase I (fase préprospectiva) são estimados os limites de controle estatístico. Na carta tradicional de Shewhart, em geral, são extraídas 25 amostras com de tamanho cinco (5) para estimativa dos parâmetros do processo e dos limites de controle estatístico. Na fase II, com o gráfico já definido, novas amostras são retiradas e diz-se que o processo está estável quando o resultado da característica observada é plotada entre os limites de controle, ou quando não é observada tendências dentro dos limites estatísticos. Caso contrário, diz-se que o mesmo está fora de controle devido à presença de causas especiais (JENSEN et al., 2006). Uma das questões de pesquisas atuais é estudar o desempenho dos gráficos de controle (por meio do ARL) sabendo-se que os parâmetros estatísticos dos processos são estimados na fase I. Apesar de artigos que tratam do problema terem sido publicados na segunda metade da década de noventa, é a partir de 2006 que um significativo número de artigos surgiu tratando dos efeitos da estimativa de parâmetros estatístico no desempenho do CEP (CASTAGLIOLA; MARAVELAKIS, 2011; CASTAGLIOLA; WU, 2012; CASTAGLIOLA; CELANO; CHEN 2009; MARAVELAKIS; CASTAGLIOLA, 2009; ZHANG; CASTAGLIOLA, 2010). 2.2 Medidas do desempenho de gráficos de controle O uso de estimativas dos parâmetros pode ocasionar piora no desempenho dos gráficos de controle, quando comparados com o desempenho de gráficos construídos com parâmetros realmente conhecidos. Jensen et al. (2006) apresenta o problema de modo prático. Para os autores, o desempenho de gráficos de controle é extremamente afetado pela estimativa dos 6
7 parâmetros estatísticos feitos na fase I. É importante salientar que essa questão já tinha sido estudada anteriormente (CHEN, 1997), mas o trabalho de Jensen et al. (2006) é significativo para o desenvolvimento de pesquisas na área, pois nesse artigo são detalhadas as pesquisas já realizadas sobre o assunto com indicações de futuras pesquisas. O uso do gráfico de controle deve permitir a correta separação das causas naturais das causas especiais, detectando com um determinado erro α, a presença de causas especiais atuando no processo. Outra questão importante no uso do gráfico de controle é sua capacidade de predição de perda de estabilidade. Neste caso, existem medidas de eficiência associadas aos gráficos de controle, as quais são: o falso alarme e o falso negativo (β) (MONTGOMERY, 1992). Para avaliar os efeitos das estimativas dos parâmetros no desempenho dos gráficos de controle, algumas medidas comparativas são necessárias. Dentre elas, o comprimento médio da sequência ou ARL, é a medida de desempenho de gráficos de controle mais comum e é definido como o número esperado de dados plotados (ou coletados) antes que um sinal ocorra. O ARL em controle é o valor de dados esperados, na média, até um sinal ocorrer. ARL fora de controle é uma medida de quão rápido uma situação fora de controle será detectada (JENSEN et al., 2006). Tanto o erro como o erro são probabilidades de decisões erradas sobre o processo, sendo o primeiro a falsa detecção de um problema (detectar que o processo está fora de controle, quando não está), e o segundo é o erro da não detecção do estado fora de controle do processo. Do ponto de vista teórico, o erro tipo I é fixado ( e o erro tipo II é avaliado pelo poder do teste estatístico, dado por 1-β. O desempenho de um gráfico de controle é avaliado pela sua capacidade de detectar causas especiais e com o menor erro tipo I. Para um processo estável, o ARL é dado por, e para um processo instável, o (MONTGOMERY, 1992; 7
8 MONTGOMERY, 2004). Zhang et al. (2011) analisaram comparativamente os comportamentos dos gráficos e t- student (e dos respectivos gráficos de média móvel exponencialmente ponderada) através dos cálculos de ARL, assumindo que os parâmetros da fase de referência eram perfeitamente conhecidos, para sequência longa de produção. Celano et al. (2011) e Celano, Castagliola e Trovato (2012) também analisaram a implementação dos gráficos t e t de média móvel exponencialmente ponderada para sequência curta de produção e assumindo parâmetros conhecidos na fase I. O comprimento médio da sequência, ARL, é calculado diferentemente para cada tipo de gráfico ( e t) e para cada situação (parâmetros conhecidos ou estimados). As expressões considerando a estimativa dos parâmetros, conforme Castagliola, Celano e Fichera (2013), são: a) Gráfico : b) Gráfico t-student: em que é a probabilidade de uma amostra da fase II, onde i é um subgrupo e encontra-se sob controle, ou seja, encontra-se entre os limites inferior e superior de controle; f U e f V são densidades de probabilidade de variáveis aleatórias U e V (CASTAGLIOLA; CELANO; FICHERA, 2013). 8
9 Castagliola, Celano e Fichera (2013) realizaram uma análise numérica e determinaram as constantes quando os parâmetros são desconhecidos, que são diferentes das constantes quando os parâmetros estatísticos são conhecidos, isso para, o que equivale a. Por exemplo, para e, =1,329 e e quando,. Esse resultado permite utilizar valores exatos de para combinações de e. Métodos numéricos são extensivos às aplicações em problemas de engenharia, como as utilizadas correntemente nos estudos de desempenho de gráficos de controle estatístico de processo. Métodos de simulação podem ser adequados quando se deseja avaliar alternativas delineadas para solucionar determinados problemas. A utilização de gráficos de controle do tipo Shewhart é baseada em três suposições: independência (medidas são coletadas consecutivamente dentro e entre os subgrupos e são independentes), normalidade (características de qualidade monitoradas seguem distribuição normal) e setup inicial perfeito (média e desvio padrão da característica da qualidade do processo são perfeitamente estimados através da fase I em controle). Muitos trabalhos foram publicados analisando a violação das duas primeiras suposições, mas poucos estudos analisaram a violação da terceira suposição, entre eles, Castagliola, Celano e Fichera (2013). 3. Resultados e análises Neste artigo, a avaliação numérica é realizada por meio da medida de desempenho ARL, com o intuito de analisar a propriedade estatística dos gráficos de controle (baseado na distribuição Normal) e t (baseado na distribuição t-student). Para a construção das tabelas foi utilizado o software Maple 13, configurado conforme as fórmulas apresentadas para obtenção dos valores do ARL. No software foram feitos dois programas para obtenção do ARL e construção das tabelas para e t-student. 9
10 Para a obtenção do ARL no programa específico para t-student, manipularam-se os parâmetros m, n e. Nesse caso, o programa retornou valores teóricos do ARL, e por isso pode-se verificar que os dados apresentados na Tabela 3 são iguais aos descritos no artigo do Castagliola, Celano e Fichera 2013 (Tabela 1). Enquanto Castagliola, Celano e Fichera (2013) apresentam valores do ARL e SDRL (Standard Deviation Run Leght) para um processo sob controle (Tabela 1), a Tabela 3 apresenta apenas valores do ARL com variando de 0 a 2. Nota-se que ao variar, diminui-se o número e/ou tamanho de amostras necessárias para detectar qualquer variação no processo. A variação do não é desejada, mas é imprescindível conhecê-la para identificação prematura da variação no processo. Para a obtenção do ARL no programa foi considerado um processo real no qual são conhecidas as variáveis α=0,0027, μ=1,26±0,10 mm, Cpk=1,0. Conhecendo-se as variáveis do processo foi possível simular os valores de ARL variando-se m, n e δ nas fases I (µ 0= 1,26) e II (μ calculado). Como se trata de uma simulação, pode-se verificar que os valores de ARL na Tabela 2 (Maple 13, ) e na Tabela 1 são muito diferentes. O mesmo comentário feito no parágrafo anterior sobre a variação do, também se aplica à Tabela 2. 10
11 Tabela 1 Valores de ARL e DSRL para n={3,5,7,9} e δ=0, correspondente aos gráficos de controle e t-student sob controle estatístico Fonte: Castagliola, Celano e Fichera (2013, p. 10) Tabela 2 Valores de ARL para n={3,5,7,9} e δ={0;0,2;0,4;...;2} correspondente ao gráfico de controle. 11
12 Fonte: Elaboração própria Tabela 3- Valores de ARL para n={3,5,7,9} e δ={0;0,2;0,4;...;2} correspondente ao gráfico de controle t-student Fonte: Elaboração própria 12
13 Analisando a Figura 1, é visível a diferença no comportamento da curva ARL entre e t- student. Tanto para os gráficos de quanto para os gráficos t, verifica-se que quanto maior o tamanho da amostra n, menor o ARL e consequentemente maior a possibilidade de identificação de variação no processo. Para δ=0, obtém-se menores valores de ARL nos gráficos de t, porém, a partir de δ=0,2 fica evidente que os gráficos são muito mais robustos. Ou seja, verifica-se uma curva muito mais acentuada o que facilita a identificação da variação no processo. Para processos fora do controle estatístico, quanto menor o valor do ARL melhor é o desempenho do gráfico, já que neste caso o ARL é uma medida do quão rápido se detecta uma situação fora de controle do processo. Comparando as tabelas fornecidas anteriormente observa-se que os valores do ARL dos gráficos de controle são consideravelmente menores do que o de t-student, indicando que é mais robusto que t, ou seja, seu desempenho estatístico é melhor para situação fora de controle. As simulações realizadas mostram um resultado contrário ao estudo realizado por Castagliola, Celano e Fichera (2013), onde ficou constatado que para situações fora de controle o gráfico t se apresentou como o mais robusto. Essa diferença entre o presente artigo e o do Castagliola, Celano e Fichera (2013) deve ser estudada com mais ênfase. Enquanto aqui foram apresentados valores do ARL variando m, n e δ, por meio do artigo Castagliola, Celano e Fichera (2013), os autores chegaram à diferente conclusão construindo gráficos onde foram considerados valores fixos para o número de amostras m=10 e tamanho da amostra n=5 (variando-se δ e τ). Apesar de Castagliola, Celano e Fichera (2013) afirmarem que os gráficos t são mais robustos, verifica-se que os gráficos t são mais eficientes para valores de δ<0,80. Ou seja, de certa maneira pode-se interpretar que para valores de δ>0,80, Castagliola, Celano e Fichera (2013) concordam que os valores do ARL decrescem acentuadamente nos gráficos. Analisando detalhadamente os gráficos de Castagliola, Celano e Fichera (2013) em contraste com o resultado das simulações, podem ser 13
14 notados comportamentos semelhantes, apesar das diferentes conclusões, o que sugere a necessidade de estudos mais detalhados. Figura 1 Gráficos com os valores da medida de desempenho ARL para um mesmo m, variando n = {3, 5, 7, 9} e = {0; 0,2; 0,4;...; 2} 14
15 15
16 Fonte: Elaboração própria 4. Conclusão As Tabelas 2 e 3 mostram que correções para os limites de controle devem ser aplicadas corretamente, em função de m e n, tanto para o gráfico quanto para o gráfico t. Verifica-se também que os valores do ARL utilizando número de amostras m=25 e tamanho da amostra n=5, usualmente sugeridos na literatura e utilizados na prática, diferem dos valores para parâmetros conhecidos (m ), podendo levar a erros na avaliação dos parâmetros. Os valores de ARL foram coletados utilizando o software Maple 13 para montagem das tabelas e gráficos. Os gráficos da Figura 1 simplificaram a análise, mostrando que: apesar dos gráficos t apresentarem valores de ARL menores para δ=0, ao se variar o δ, o gráfico apresentou maior robustez para 0<δ 2, uma vez que este apresentou menores valores de ARL, significando maior rapidez na identificação de uma variação no processo fora de controle. Apesar de Castagliola, Celano e Fichera (2013) afirmarem e mostrarem em seu artigo que os gráficos t são mais robustos, é importante salientar que os valores de ARL foram obtidos considerando fixos os valores de m=10 e n=5 (variando-se δ e τ). Além disso, foi possível identificar em seu artigo que os gráficos t são mais eficientes para valores de δ<0,80 (ou seja, para δ>0,80 os valores de ARL decrescem acentuadamente nos gráficos ), o que comprova parte do trabalho apresentado. Pensando em trabalhos futuros, sugere-se um estudo mais aprofundado para explicar essa aparente divergência nas conclusões, ampliando-se os intervalos estudados e comparando os métodos de análise numérica e por simulação. Referências CASTAGLIOLA, P., Celan, G.; FISCHERA, S. Comparison of the chart and the t chart when the parameters are estimated. Quality Technolgy of Quantitative Management, v.10, n. 1, p. 1-16,
17 CASTAGLIOLA, P.; MARAVELAKIS, A. CUSUM control chart for monitoring the variance when Parameters are Estimated. Journal of Statistical Planning and Inference, v. 141, n. 4, pp , CASTAGLIOLA, P.; CELANO, G.; CHEN, G. The exact run length distribution and design of the S2 chart when the in-control variance is estimated. International Journal of Reliability, Quality and Safety Engineering, v. 16, n.1, pp , CASTAGLIOLA, P.; WU, S. Design of the c and np charts when the parameters are estimated. International Journal of Reliability, Quality and Safety Engineering, v. 19, n. 2, pp , CELANO, G. et al. Shewhart and EWMA t control charts for short production runs. Quality and Reliability Engineering International, v. 27, n. 1, p , CELANO, G., Castagliola, G., Trovato, E. The economic performance of the Shewhart t chart. Quality Technology & Quantitative Management, v. 9, n. 4, p , CHAKRABORTI, S. Parameter estimation and design considerations in prospective applications of the chart. Journal of Applied Statistics, v. 33, n. 4, pp , CHEN, G. The mean and standard deviation of the run length distribution of estimated. Statistica Sinica, v. 7, pp , charts when control limits are JENSEN, W.A. et al. Effects of parameter estimation on control chart properties: a literature review. Journal of Quality Technology, v. 38, n. 4, p , 2006 JURAN, J.M.; GRYNA, F.M. Controle da Qualidade: Handbook. São Paulo: McGraw-Hill, MICHEL, R.; FOGLIATTO, F.S. Projeto econômico de cartas adaptativas para monitoramento de processos. Gestão & Produção, v. 9, n. 1, pp.17-31, MONTGOMERY, D. C. Introduction to statistical quality control. 2 ed. New York: John Wiley & Sons, p. MONTGOMERY, D. C. Introdução ao Controle Estatístico da Qualidade. 4 ed. Rio de Janeiro: LTC. 513 p. MONTGOMERY, Douglas C.; RUNGER, George C. Estatística Aplicada e Probabilidade para Engenheiros. 2.ed, Rio de Janeiro, LTC, ZHANG, Y., CASTAGLIOLA, P. Run rules charts when process parameters are unknown. International Journal of Reliability, Quality and Safety Engineering, v. 17, n. 4, pp , ZHANG, Y., CASTAGLIOLA, P.; WU, M.B.; KHOO, C. The synthetic Transactions, v. 43, n. 9, pp , chart with estimated parameters. IIE ZHAN, L.; CHEN, G.; CASTAGLIOLA, P. On t and EWMA t charts for monitoring changes in the process mean. Quality and Reliability Engineering International, v. 25, n. 8, p ,
18 18
ANÁLISE 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 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 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 maisMétodo de estimativa dos limites da carta de controle não paramétrica que monitora simultaneamente a média e variância
Gest. Prod., São Carlos http://dx.doi.org/0.590/004-530x445-4 Método de estimativa dos limites da carta de controle não paramétrica que monitora simultaneamente a média e variância Method for determining
Leia maisCOMPARAÇÃO ENTRE MÉTODOS UTILIZADOS NO TRATAMENTO DE DADOS AUTOCORRELACIONADOS NO CONTROLE ESTATÍSTICO DO PROCESSO
COMPARAÇÃO ENTRE MÉTODOS UTILIZADOS NO TRATAMENTO DE DADOS AUTOCORRELACIONADOS NO CONTROLE ESTATÍSTICO DO PROCESSO Fernando de Jesus Moreira Junior (UFSM) fmjunior@smail.ufsm.br Enio Junior Seidel (UFSM)
Leia maisCONSTRUÇÃO, USO E ANÁLISE DE DESEMPENHO DE GRÁFICOS DE CONTROLE COM LIMITES ASSIMÉTRICOS E PARÂMETROS VARIADOS
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 CONSTRUÇÃO, USO E ANÁLISE DE DESEMPENHO DE GRÁFICOS DE CONTROLE COM LIMITES ASSIMÉTRICOS E PARÂMETROS VARIADOS Celso Luiz Goncalves (UFSCar ) celso_luiz_goncalves@yahoocombr
Leia 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 maisDIFERENTES ESTRATÉGIAS DE AMOSTRAGENS PARA REDUZIR O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DA MÉDIA
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 2 a5 de outubro
Leia 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 mais4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão
4 Análise de Desempenho dos Gráficos tipo Shewhart para o Controle Estatístico da Dispersão Neste capítulo são obtidas as medidas desempenho dos gráficos de controle de Shewhart descritos no Capítulo 2
Leia maisPalavras-Chave: Gráficos de Controle Especiais, Geoestatística.
Estudo de Cartas Especiais e Geoestatística no Controle Estatístico de Processos Bruna Fernanda Viotto Oliveira¹ Edilson Ferreira Flores² RESUMO O presente estudo teve como objetivo explorar as técnicas
Leia maisREVISÃO E CLASSIFICAÇÃO DAS PRINCIPAIS LINHAS DE PESQUISAS SOBRE GRÁFICOS DE CONTROLE DESENVOLVIDAS NAS ÚLTIMAS DUAS DÉCADAS
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 REVISÃO E CLASSIFICAÇÃO DAS PRINCIPAIS LINHAS DE PESQUISAS SOBRE GRÁFICOS DE CONTROLE DESENVOLVIDAS NAS ÚLTIMAS DUAS DÉCADAS Cassio Eduardo Faria Sobue
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 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 maisGráficos de controle Cusum e MMEP
Gráficos de controle Cusum e MMEP CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli taconeli@ufpr.br Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento
Leia 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 maisUma Análise de Desempenho de Gráficos de Controle Multivariados. Rodrigo Luiz P. Lara 1, José Ivo Ribeiro Júnior 2, Rafael L. R.
ISSN: 2317-0840 Uma Análise de Desempenho de Gráficos de Controle Multivariados Rodrigo Luiz P. Lara 1, José Ivo Ribeiro Júnior 2, Rafael L. R. Oliveira 3 1,2 DET-UFV: Universidade Federal de Viçosa, Viçosa-MG.
Leia mais7 Análise de Desempenho dos Gráficos EWMA para o Controle Estatístico da Dispersão
7 Análise de Desempenho dos Gráficos EWMA para o Controle Estatístico da Dispersão Neste capítulo são obtidos os projetos ótimos e as medidas de desempenho dos gráficos de controle de grupos de EWMA projetados
Leia maisComparação dos gráficos de controle Shewhart e Cusum na variável de perfilagem do caliper
Comparação dos gráficos de controle Shewhart e Cusum na variável de perfilagem do caliper Evelyn Souza Chagas 1 Lêda Valéria Ramos Santana 1 Hérica Santos da Silva 1 Dra. Suzana Leitão Russo 2 Msc. Vitor
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 maisControle Estatístico do Processo (CEP)
Controle Estatístico do Processo (CEP) CONTROLE ESTATÍSTICO DO PROCESSO É UM MÉTODO QUE PERMITE CONTROLAR CONTÍNUAMENTE AS CARACTERÍSTICAS CHAVES DE UM PRODUTO E PROCESSO, VISANDO A SUA MELHORIA. ORIGEM
Leia maisControle Estatístico de Processos - CEP
Faculdade de Tecnologia Senac Go Gestão da Tecnologia da Informação Aluna: Lusana Souza de Oliveira Professor: Itair Pereira Gestão de Processos lll modulo - Matutino Controle Estatístico de Processos
Leia maisGráfico de Controle Estatístico
Universidade Federal de Pernambuco Centro de Informática Programa de Pós-graduação Gráfico de Controle Estatístico Tópicos Avançados em Análise de Desempenho de Sistemas Pedro Melo e Eduardo Bonadio 22
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Inspeção de qualidade
Roteiro da apresentação Controle de Qualidade 2 3 Lupércio França Bessegato UFMG Especialização em Estatística 4 5 Abril/2007 6 7 Exemplo: Sacos de Leite : Volume de cada saco (ml) do Controle Estatístico
Leia maisMONITORING BIVARIATE PROCESSES WITH A SHEWHART CHART
MONITORING BIVARIATE PROCESSES WITH A SHEWHART CHART Antonio Fernando B. Costa Universidade Estadual Paulista, Faculdade de Engenharia de Guaratinguetá Campus de Guaratinguetá, São Paulo fbranco@feg.unesp.br
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Gráficos com.
Roteiro da apresentação 1 Controle de Qualidade Lupércio França Bessegato 2 3 4 UFMG Especialização em Estatística Setembro/2008 5 6 7 8 Monitoramento da Média Gráfico de Controle de CUSUM e de EMWA Além
Leia maisANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE X-BAR CONSIDERANDO DIFERENTES ESTIMADORES DO DESVIO PADRÃO
UNIVERSIDADE FEDERAL DE SÃO CARLOS CAMPUS SÃO CARLOS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO CÁSSIO EDUARDO FARIA SOBUE ANÁLISE DO DESEMPENHO DE GRÁFICOS DE CONTROLE X-BAR CONSIDERANDO DIFERENTES
Leia maisAnálise da : -Estabilidade e - Capacidade/Capabilidade de Processos
Análise da : -Estabilidade e - Capacidade/Capabilidade de Processos Prof. Diego Por que medir a estabilidade e capacidade/capabilidade? Principais erros dos gestores SOB CONTROLE 1 Tratar uma causa comum
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 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 maisControle Estatístico de Qualidade para Processos Climatológicos Autocorrelacionados
Controle Estatístico de Qualidade para Processos Climatológicos Autocorrelacionados Luiz André R. dos Santos 1, Fábio C. Conde 1, Mozar de A. Salvador 1, Andrea M. Ramos 1, Larissa S. F. C. dos Santos
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 maisEixo Temático: Estratégia e Internacionalização de Empresas ANÁLISE DE PARÂMETROS DA QUALIDADE DA ÁGUA ATRAVÉS DA APLICAÇÃO DOS GRÁFICOS CUSUM E EWMA
Eixo Temático: Estratégia e Internacionalização de Empresas ANÁLISE DE PARÂMETROS DA QUALIDADE DA ÁGUA ATRAVÉS DA APLICAÇÃO DOS GRÁFICOS CUSUM E EWMA CHEMICAL WATER PARAMETERS INVESTIGATED BY CUSUM AND
Leia maisANÁLISE COMPARATIVA DE CARTAS DE CONTROLE PARA DADOS DE ATRIBUTOS NÃO- CONFORMES
ANÁLISE COMPARATIVA DE CARTAS DE CONTROLE PARA DADOS DE ATRIBUTOS NÃO- CONFORMES Izabelle Cristine Hannemann de Freitas (PUCPR ) izabelle-hannemann@hotmail.com Lee Vinagre Monteiro (PUCPR ) lee_vinagre@hotmail.com
Leia maisO uso da estatística de qui-quadrado No
O uso da estatística de qui-quadrado No controle de processos Antônio Fernando Branco Costa FEG/UNESP, Avenida Ariberto Pereira da Cunha, 333, CEP 1516-410, Bairro do Pedregulho, Guaratinguetá, SP e-mail:
Leia maisO EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DE CONTROLE EWMA
O EFEITO DA AUTOCORRELAÇÃO NO DESEMPENHO DO GRÁFICO DE CONTROLE EWMA ROBERTO CAMPOS LEONI (UNESP) rcleoni@yahoo.com.br Antonio Fernando Branco Costa (UNESP) fbranco@feg.unesp.br Gráficos de controle são
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Processos.
Roteiro da apresentação 1 Controle de Qualidade Lupércio França Bessegato 2 3 4 UFMG Especialização em Estatística Setembro/2008 5 6 7 8 Gráfico de Controle de Shewhart Hipóteses do gráfico de controle
Leia maisLAN 2740 Parte II Controle estatístico da qualidade na indústria de alimentos Profa. Responsável: Thais Vieira. Índices de Capacidade de processo
LAN 2740 Parte II Controle estatístico da qualidade na indústria de alimentos Profa. Responsável: Thais Vieira Controle Estatístico de Processos - Gráficos de controle por variáveis Índices de Capacidade
Leia maisGráficos de Controle (X, R, S, CUSUM e EWMA)
Gráficos de Controle (X, R, S, CUSUM e EWMA) Alunos: Ahyalla Riceli Anderson Elias Professor: Paulo Maciel Ricardo Massa Roteiro Introdução Gráficos de Controle CEP Controle Estatístico de Processo Gráfico
Leia maisControle Estatístico de Qualidade. Capítulo 7 (montgomery)
Controle Estatístico de Qualidade Capítulo 7 (montgomery) Capacidade do Processo Introdução Cartas de Controle Instrumento de monitoramento e detecção de desvios na estabilidade do processo Considerando
Leia maisUSO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA
USO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA F. M. A. S. COSTA 1, A. P. SILVA 1, M. R. FRANCO JÚNIOR 1 e R.
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 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 maisGráficos de Controle (X, R, S, CUSUM e EWMA) Jean Carlos Teixeira de Araujo
Gráficos de Controle (X, R, S, CUSUM e EWMA) Jean Carlos Teixeira de Araujo jcta@cin.ufpe.br 1 Agenda Introdução; Gráficos X e R; Gráficos X e S; Gráfico CUSUM; Gráfico EWMA; Exemplos utilizando a ferramenta
Leia maisControle Estatístico de Processo
PRO 2712 CONTROLE DA QUALIDADE 1 Controle Estatístico de Processo PRO 2712 CONTROLE DA QUALIDADE 2 O QUE É UM PROCESSO? conjunto de atividades executadas com um certo objetivo ou finalidade conjunto de
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Estatística Universidade do Estado do Rio de Janeiro - UERJ Rio de Janeiro RJ - Brasil ISSN 1413-9022 / v. 27 p. 13-27, 2009 CÁLCULO DO NMA DO GRÁFICO DE CONTROLE DE REGRESSÃO Danilo
Leia mais2 FUNDAMENTACÃO TEÓRICA
2 FUNDAMENTACÃO TEÓRICA Este capítulo apresenta os modelos de séries temporais chamados estruturais, nos quais o valor das observações é visto como composto de uma parte sistemática, modelada por uma equação
Leia maisDisciplina: Gestão da Qualidade
Disciplina: Gestão da Qualidade As Sete Ferramentas da Qualidade: Cartas de Controle Prof. Fernando Porto Introdução As cartas de controle, conhecidas originalmente como gráficos de Shewhart ou gráficos
Leia maisEstudo Comparativo do Desempenho de Gráficos X -R, X -S e T 2 Economicamente Planejados para Processos Não Regenerativos
Estudo Comparativo do Desempenho de Gráficos, S e T Economicamente Planejados para Processos Não egenerativos Linda Lee Ho (USP) lindalee@usp.br Osiris Turnes (UnB) osiris@unb.br esumo Para um controle
Leia maisFerramentas para o controle de qualidade
Ferramentas para o controle de qualidade Tiago M. Magalhães Departamento de Estatística - ICE-UFJF Juiz de Fora, 21 de março de 2019 Tiago M. Magalhães (ICE-UFJF) Ferramentas para o controle de qualidade
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 maisRedes de Computadores sem Fio
Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução
Leia 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 maisAplicação do gráfico de controle por grupos em uma indústria manufatureira do estado do Ceará
Aplicação do gráfico de controle por grupos em uma indústria manufatureira do estado do Ceará João Welliandre Carneiro Alexandre (UFC) jwca@ufc.br Luiz Fernando M. Rodrigues (ESMALTEC) qualidade@esmaltec.com.br
Leia 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 maisControle Estatístico de Processo
Prof. Edson Marcos Leal Soares Ramos, Dr. Profa. Silvia dos Santos de Almeida, Dra. Profa. Adrilayne dos Reis Araújo, M.Sc. Belém 2012 Índice 1 Gráficos de Controle Para Variáveis 2 1.1 Gráficos de Controle
Leia 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 maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL Dr Sivaldo Leite Correia CONCEITOS E DEFINIÇÕES FUNDAMENTAIS Muitos experimentos são realizados visando
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
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 maisPROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO
PROBABILIDADES E ESTATÍSTICA LEIC+LEE+LERCI (TagusPark) PROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO Secção de Estatística e Aplicações Departamento de Matemática Instituto Superior Técnico Fevereiro 2008
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 mais4 Capabilidade de Processos
4 Capabilidade de Processos Cp, Cpk 4.1. INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO (CEP) Na natureza não existem dois exemplares exatamente iguais da mesma coisa. Há alguma variabilidade em toda parte,
Leia mais5. Carta de controle e homogeneidade de variância
5. Carta de controle e homogeneidade de variância O desenvolvimento deste estudo faz menção a dois conceitos estatísticos: as cartas de controle, de amplo uso em controle estatístico de processo, e a homogeneidade
Leia maisTítulo - Actas das 4. as Jornadas de Engenharia Hidrográfica Autor - Instituto Hidrográfico Tiragem exemplares Edição e paginação - Instituto
ACTAS Lisboa Título - Actas das 4. as Jornadas de Engenharia Hidrográfica Autor - Instituto Hidrográfico Tiragem - 230 exemplares Edição e paginação - Instituto Hidrográfico, 2016 Impressão e acabamento
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Contabilometria Prof.: Patricia Maria Bortolon, D. Sc. Intervalos de Confiança Fonte: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisTeste de % de defeituosos para 1 amostra
DOCUMENTO OFICIAL DO ASSISTENTE DO MINITAB Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas
Leia maisObtenção do NMA do Gráfico de Controle de Regressão
Obtenção do NMA do Gráfico de Controle de Regressão Danilo Cuzzuol Pedrini (UFRGS) danilo@producao.ufrgs.br Carla Schwengber ten Caten (UFRGS) tencaten@producao.ufrgs.br Resumo: Para a aplicação dos gráficos
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisMorgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 05 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Teorema do Limite Central (TLC) Introdução ao Controle Estatístico
Leia maisProposta de uma carta de controle estatístico de dados autocorrelacionados
Proposta de uma carta de controle estatístico de dados autocorrelacionados Fernando de Jesus Moreira Junior (UFRGS) fmjunior@ufrgs.br Carla Schwengber ten Caten (UFRGS) tencaten@producao.ufrgs.br Resumo
Leia maisNMA do gráfico de controle de regressão com parâmetros estimados
NMA do gráfico de controle de regressão com parâmetros estimados Danilo Cuzzuol Pedrini (PPGEP/UFRGS) danilo@producao.ufrgs.br Carla Schwengber ten Caten (PPGEP/UFRGS) tencaten@producao.ufrgs.br RESUMO
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisUma abordagem de análise para o Controle Estatístico de Processo com dados autocorrelacionados
XXIV Encontro Nac. de Eng. de Produção - Florianópolis, SC, Brasil, 0 a 0 de nov de 2004 Uma abordagem de análise para o Controle Estatístico de Processo com dados autocorrelacionados Fernando Moreira
Leia maisO Papel da Estatística em outras áreas
5 de Março de 2012 Site: http://ericaestatistica.webnode.com.br/ e-mail: ericaa_casti@yahoo.com.br O método de Engenharia e o Pensamento Estatístico Distribuição de Pontos 3 provas - 30 pontos cada; Listas
Leia maisGráficos de Controle para Variáveis
Gráficos de Controle para Variáveis CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli taconeli@ufpr.br Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento
Leia maisGráfico de controle NPEWMA-SR: Uma aplicação no setor industrial
Gráfico de controle NPEWMA-SR: Uma aplicação no setor industrial Elisa Henning 1, Custodio da Cunha Alves 2, Andrea Cristina Konrath 3, Olga Maria Formigoni CarvalhoWalter 4 1 Professora Doutora em Engenharia
Leia maisMetodologia de Controle Estatístico da Qualidade na Unidade de Chaparia e Montagem de uma Empresa Automobilística
Metodologia de Controle Estatístico da Qualidade na Unidade de Chaparia e Montagem de uma Empresa Automobilística João Alberto Neves dos Santos 1,2 Heitor Vicente de Jesus Batista 1 Patrícia Rodrigues
Leia maisPREVISÃO E CONTROLE DE ENERGIA
PREVISÃO E CONTROLE DE ENERGIA Eliane da Silva Christo (UFF) eliane.ch@gmail.com MIRLEY BITENCOURT FERREIRA (UFF) mirleybit@hotmail.com Um dos componentes mais importantes de infra-estrutura no processo
Leia maisPlanejamento e Pesquisa 1. Dois Grupos
Planejamento e Pesquisa 1 Dois Grupos Conceitos básicos Comparando dois grupos Testes t para duas amostras independentes Testes t para amostras pareadas Suposições e Diagnóstico Comparação de mais que
Leia maisCap. 0 - Introdução à Estatística Computacional
Introdução à Estatística ESQUEMA DO CAPÍTULO 0.1 VISÃO GERAL DOS MÉTODOS COMPUTACIONALMENTE INTENSIVOS EM ESTATÍSTICA 1 mente Intensivos Definição: Do Handbook of Computational Statistics: Concepts and
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
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 maisEspecialização em Métodos Estatísticos Computacionais
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 maisPROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO
PROBABILIDADES E ESTATÍSTICA LEIC+LEE+LERCI (TagusPark) PROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO Secção de Estatística e Aplicações Departamento de Matemática Instituto Superior Técnico Fevereiro 2006
Leia maisIC amostras pequenas e σ. IC amostras pequenas e σ. IC amostras pequenas e σ. IC para µ com Amostras Pequenas e σ Conhecido. Pequenas e σ Desconhecido
Estatística II 6.08.017 UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II IC para µ com Amostras Pequenas e σ Conhecido Profa. Renata Gonçalves Aguiar
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 maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisDETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
Leia maisPara ajudar a interpretar os resultados, o Cartão de Relatórios do Assistente do teste de % de defeituosos para 1 amostra exibe os seguintes
Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas no assistente no software estatístico
Leia maisAULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
Leia maisCapacidade de Processo Material Complementar
Capacidade de Processo Material Complementar Exemplo Pistões Anéis de pistão para motores de automóveis produzidos por processo de forja Objetivo: Controle estatístico para diâmetro interno dos anéis por
Leia 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 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 maisO USO DA ESTATÍSTICA DE QUI-QUADRADO NO MONITORAMENTO DE PROCESSOS
O USO DA ESTATÍSTICA DE QUI-QUADRADO NO MONITORAMENTO DE PROCESSOS Antonio F. B. Costa UNESP, 56-4 Guaratinguetá, SP, fbranco@feg.unesp.br Maysa S. De Magalhães ENCE, 3-5 Rio de Janeiro, RJ, maysa@ibge.gov.br
Leia maisMorgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 04 Introdução ao CEP DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Cronograma parcial DPS1037 Data Aula Conteúdo 10/ago 1 Introdução à Engenharia da Qualidade
Leia mais