PROJETO ESTATÍSTICO DO GRÁFICO DE CONTROLE DE X_BARRA COM TAMANHO DA AMOSTRA E INTERVALO VARIÁVEIS
|
|
- Edite Belmonte Botelho
- 6 Há anos
- Visualizações:
Transcrição
1 Salvador, BA, Brasil, 8 a de outubro de 3. PROJETO ESTATÍSTICO DO GRÁFICO DE CONTROLE DE X_BARRA COM TAMANHO DA AMOSTRA E INTERVALO VARIÁVEIS Roberto Campos Leoni (AEDB ) rcleoni@yahoo.com.br Nilo Antonio de Souza Sampaio (AEDB ) nilo.samp@terra.com.br Rogerio Carvalho Mendes Tavora (AMAN ) rcmqco@ig.com.br Os gráficos de controle com esquemas adaptativos são ferramentas utilizadas para monitorar processos e sinalizar a presença de causas especiais. Porém, o uso de esquemas adaptativos ainda não é comum, pois são temas raramente abordados em llivros didáticos e não estão disponíveis em softwares tradicionais usados para análise estatística. Este trabalho tem por objetivo apresentar como planejar e estimar os parâmetros ótimos de um gráfico adaptativo para monitorar a média de um processo utilizando tamanho da amostra e intervalo variáveis (X_BARRA-VSSI). O gráfico de X_BARRA-VSSI foi escolhido por ser um esquema com grande potencial para aplicação prática, pois o gráfico requer apenas o conhecimento do tamanho da amostra e o tempo entre seleção das amostras depois de estabelecidos os parâmetros ótimos para o gráfico. Cadeias de Markov foram utilizadas para avaliar o desempenho do gráfico com base no tempo médio entre o instante em que o processo se altera e o instante em que o gráfico sinaliza a condição fora de controle. Apresentam-se duas funções escritas em linguagem R para auxiliar o usuário no planejamento de um projeto estatístico baseado no esquema adaptativo X_BARRA- VSSI. Palavras-chaves: Controle Estatístico de Processos (CEP), Gráficos adaptativos, Cadeias de Markov, Linguagem R
2 Salvador, BA, Brasil, 8 a de outubro de 3.. INTRODUÇÃO Gráficos de controle são utilizados para monitorar processo de produção com o objetivo de sinalizar desvios em relação ao valor alvo de uma característica de qualidade que se deseja monitorar. A detecção de pequenos ou moderados desvios pelos tradicionais gráficos propostos por Shewhart (93) é demorada e, por isso, diversos gráficos alternativos têm sido propostos. Reynolds et al. (988), Prabhu et al. (994, 997), Costa (994, 997, 999), Park e Reynolds (999) introduziram os gráficos de controle adaptativos que assim são chamados por não apresentarem todos os seus parâmetros fixos. A construção desse tipo de gráfico prevê que pelo menos um de seus parâmetros possam variar, dentre os quais: os limites de controle, o tamanho da amostra e o intervalo de tempo em que uma amostra é coletada. Considere, por exemplo, um gráfico de controle adaptativo em que variam o tamanho da amostra e o intervalo de tempo em que uma amostra é coletada; nesse esquema, de acordo com a informação obtida pela amostra mais recente, pode-se modificar o tamanho e o intervalo de coleta da próxima amostra. Projetar um gráfico de controle para uso na prática envolve a elaboração de um plano de amostragem, através das especificações do tamanho das amostras e do intervalo de tempo entre retirada das amostras, assim como o cálculo dos limites de controle. O mecanismo que envolve a determinação da distância dos limites de controle do gráfico à linha central, está estreitamente relacionado com teste estatístico de hipóteses. Alargar os limites de controle diminui o risco da estatística monitorada permanecer além dos limites de controle, com o processo ajustado (erro tipo I). No entanto, alargar os limites aumenta o risco da estatística monitorada se situar dentro dos limites de controle, quando o processo se desajusta, conhecido como erro tipo II (LEONI e COSTA, ). Em gráficos de controle adaptativos é comum o uso de cadeias de Markov para avaliar o desempenho do gráfico de acordo com o conjunto de parâmetros escolhidos (COSTA, 997; ZIMMER et al., e FARAZ e SANIGA, ). Para aferir as propriedades estatísticas, utiliza-se a ideia subjacente de dividir o intervalo de variação da estatística monitorada em um conjunto finito de estados, onde os estados transientes da cadeia situam-se na região de controle do gráfico e o estado absorvente na região estabelecida como fora de controle. Os gráficos adaptativos não são disponibilizados em softwares estatísticos tradicionais, apesar de apresentarem melhor desempenho que os gráficos com parâmetros fixos. A determinação
3 Salvador, BA, Brasil, 8 a de outubro de 3. dos parâmetros adaptativos não é uma tarefa trivial; deste modo, este artigo propõe o uso de um software livre para planejar e estimar os parâmetros ótimos de um gráfico adaptativo para X com tamanho da amostra e intervalo variáveis ( X VSSI ). O número médio de amostras até o momento em que o gráfico sinaliza a condição fora de controle (ARL) e o tempo médio entre o instante em que o processo se altera e o instante em que o gráfico sinaliza a condição fora de controle (ATS) são as medidas de desempenho utilizadas como referência para escolha dos parâmetros. O gráfico de X VSSI foi escolhido por ser um esquema com grande potencial para aplicação prática, pois sua utilização requer apenas o conhecimento do tamanho da amostra e o tempo entre seleção das amostras depois de estabelecidos os parâmetros ótimos. As propriedades estatísticas do gráfico de controle são otimizadas considerando a abordagem apresentada em Zimmer et al. (), ou seja, uma cadeia de Markov é utilizada para estabelecer os parâmetros mantendo sob controle os riscos estatísticos tipo I e tipo II. O restante do trabalho está organizado da seguinte forma: a seção apresenta o gráfico de controle de X um gráfico de X VSSI. Na seção 3, descreve-se o procedimento para avaliar o desempenho de VSSI usando cadeias de Markov. Na seção 4, apresenta-se um programa escrito na linguagem R para obter os parâmetros ótimos do gráfico de X conclusões e direções de pesquisas futuras completam o artigo.. GRÁFICO DE CONTROLE DE X VSSI VSSI. Finalmente, Reynolds et al. (988) foram os primeiros a considerar o projeto adaptativo de gráfico de controle variando o intervalo de tempo em que uma amostra é coletada. Mais tarde surgiu um grande número de trabalhos com o propósito de variar os demais parâmetros do gráfico de controle, ficando comprovado que esta técnica, em geral, aumenta o poder do gráfico na detecção de causas especiais que acabam modificando a média da característica de qualidade (variável) que se deseja monitorar (BAI e LEE, 998; PARK e REYNOLDS, 994, 999; MAGALHÃES e EPPRECHT, ). O gráfico de controle de X VSSI é adaptativo no que se refere ao tamanho da amostra e intervalo de tempo em que uma amostra é coletada. Este gráfico foi utilizado por Prabhu et al. (994, 997), Costa (997) e Park e Reynolds (999) para monitorar a estatística X de um processo. 3
4 Salvador, BA, Brasil, 8 a de outubro de 3. Figura - Regiões de controle de um gráfico com tamanho da amostra e intervalo variáveis Em um gráfico de controle com tamanho da amostra e intervalo variáveis (ver Figura ) o tamanho da amostra e o intervalo de tempo em que uma amostra é coletada podem variar de acordo com a informação fornecida pela amostra mais recente coletada. Neste tipo de gráfico, amostras aleatórias de tamanhos diferentes são coletadas em intervalos de comprimento variável de acordo com a função: n, h se w Zi k n( i), h( i) n, h se w Zi w n, h se k Z w i () onde i=,,, é o número da amostra; ni () é o tamanho da i-ésima amostra n( i) n n( i) n ; hi () é o tempo praticado para retirar a i-ésima amostra h( i) h h( i) h ; k e w são limites que definem regiões de controle; i controle calculada por: i. / i Z é a estatística de Z x n i () onde x i é a media amostral do i-ésimo subgrupo; e são a média e o desvio padrão do processo quando em controle. A escolha entre os pares ( i), t( i) gráfico. Para um gráfico de X n depende da posição do último ponto VSSI mutuamente exclusivas e exaustivas, como segue (ver Figura ): Z marcado no, podemos dividir a região de controle em três regiões i 4
5 Salvador, BA, Brasil, 8 a de outubro de 3. Região dentro dos limites de alarme: I w, w. Região entre os limites de alarme e controle: I k, ww, k. Região fora dos limites de controle:, k, Se a estatística i I. 3 k Z se situar dentro da região I w, w, o controle (ou inspeção) é relaxado utilizando o par n, h, caso contrário, se o ponto atual Z se situar dentro da região i k, ww k, o controle será mais rigoroso utilizando o par, I, 3. DESEMPENHO DO GRÁFICO DE X VSSI n h. O desempenho estatístico de um gráfico de controle pode ser avaliado calculando as estatísticas ARL ou ATS. Dependendo da condição de operação do processo, tem-se o ARL quando o processo está em controle (ARL ), ou seja, o número esperado de amostras entre dois sucessivos alarmes falsos e o ARL para processo fora de controle (ARL ), que representa o número esperado de amostras entre a ocorrência da causa especial que altera o parâmetro monitorado e o sinal desencadeado pelo gráfico. De maneira similar, tem-se o ATS quando o processo está em controle (ATS ), representando o tempo médio entre dois sucessivos alarmes falsos e o ATS para processo fora de controle (ATS ), representando o tempo esperado entre a ocorrência da causa especial e o sinal desencadeado pelo gráfico. 3. Cadeias de Markov para o gráfico de X VSSI É possível calcular as estatísticas ARL e ATS utilizando cadeias de Markov. Observa-se o número esperado de transições antes de a estatística monitorada se situar no estado absorvente da cadeia. A cadeia de Markov proposta em Zimmer et al. () foi utilizada neste artigo para avaliar o ARL em controle e fora de controle, ARL e ARL respectivamentecada probabilidade de transição é calculada como a probabilidade de a estatística se situar dentro de uma das regiões do intervalo de controle ( I, I ou I 3 ). Nesta cadeia, existem dois estados transientes e um estado absorvente que corresponde ao processo fora de controle. A matriz de transição de estados da cadeia que representa o funcionamento do processo em controle, P, pode ser dividida em quatro submatrizes: Q R P I (3) 5
6 Salvador, BA, Brasil, 8 a de outubro de 3. Onde Q é a matriz de transição entre estados transientes; R representa a matriz de transição de estados transientes ao estado absorvente; é a matriz que afirma a impossibilidade de ir de um estado absorvente para um estado transiente e I é a matriz identidade. Em uma cadeia de Markov, o elemento (i,j) da matriz I representa o número médio Q de visitas ao estado transiente j antes de chegar ao estado absorvente, dado que o processo começou no estado i. Cada probabilidade de transição em controle é calculada como a probabilidade de um ponto da estatística monitorada se situar dentro de uma das regiões do intervalo de controle. Portanto, o número médio de amostras entre dois alarmes falsos sucessivos é calculado por: T ARL b I Q (4) onde b T é um vetor com probabilidades iniciais; I é a matriz identidade; é um vetor unitário e Q é uma matriz de transição obtida por: onde Q w w k w w w k w. denota a função cumulativa normal padrão; k e w são os limites que definem a (5) região de controle do gráfico. O tempo médio para o gráfico produzir um alarme falso é: T ATS b I Q h (6) onde é um vetor com os intervalos de amostragem. A matriz de transição do processo operando fora de controle é dada por: Q R P I A fim de calcular as medidas de desempenho ARL e ATS, utilizam-se: (7) e sendo a matriz de transição dada por: T ARL b I Q (8) T ATS b I Q h (9) 6
7 Salvador, BA, Brasil, 8 a de outubro de 3. onde: Q Q Q Q Q ; Q w n w n ; Q w n w n ; Q k n w n k n w n Q k n w n k n w n. O vetor com probabilidades iniciais T b é definido de acordo com as condições iniciais de operação no processo: w w T k w b () k k k k Neste artigo, considera-se a condição conhecida como Steady-State, ou seja, assume-se que o processo inicia em controle e, em algum instante futuro, ocorre uma causa especial que provoca um deslocamento no valor alvo da estatística monitorada. 3. Projeto estatístico ótimo para o gráfico de X VSSI O planejamento de um gráfico de controle pode ser formalizado como um problema de otimização em que as variáveis de decisão são os parâmetros do gráfico. A Figura ilustra a função objetivo e as restrições que definem o melhor conjunto de parâmetros do gráfico de X VSSI. Função Objetivo: Sujeito a: min ATS n, n, h, h, w, k ATS n, n, h, h, w, k ATS ; E( n) n ; E( h) h ; wk; h h h h min max min. insp n n n h r Figura - Função objetivo e restrições para os parâmetros do gráfico de controle de X VSSI ; () 7
8 Salvador, BA, Brasil, 8 a de outubro de 3. Na Figura, n e n são os tamanhos das amostras; h e h são os intervalos de tempos entre coleta das amostras; w e k são limites de controle do gráfico; é o grau de deslocamento ocorrido na média do processo; ATS é o tempo médio entre dois sucessivos alarmes falsos; n é o valor esperado do tamanho da amostra coletada com o processo em controle; h é o tempo esperado para coletar uma amostra com o processo em controle e r insp é a quantidade de partes (uma peça, um componente e etc.) que se pode inspecionar por unidade de tempo considerado em h. Para ilustrar que o problema de otimização se reduz a encontrar o par (n,n ) que minimiza a função objetivo, considere, sem perda de generalidade, que E( h) h unidade de tempo (por exemplo: hora,,5 hora e etc.) e ARL =37,4. Logo, ATS =ARL =37,4 e k=3. O valor esperado do tamanho da amostra com o processo em controle, E( n) n, é dado por: w w k w E( n) n n n k k k k Um par de amostras ( n, n ) é selecionado; uma vez que ( n, n ), n e k são conhecidos, pode-se inferir w diretamente da expressão (). O intervalo de amostragem ideal mais curto ( h ) é dado por: h n () (3) rinsp onde r insp é a quantidade de partes (uma peça, um componente e etc.) que se pode inspecionar por unidade de tempo considerado em E( h) h. Por exemplo, se rinsp 6 dado que h hora, admite-se que seja possível inspecionar 6 partes a cada hora. Para maiores detalhes veja Celano (9, ). Uma vez definidos h, h, w e k, obtêm-se h através do tempo esperado para coletar uma amostra: w w k w E( h) h h h k k k k O problema de otimização se reduz, finalmente, a encontrar o par ( n, n ) que minimiza a função objetivo. A próxima seção apresenta um exemplo de aplicação de como planejar um (4) 8
9 Salvador, BA, Brasil, 8 a de outubro de 3. projeto estatístico ótimo que revela quais valores para o par ( n, n ) devem ser utilizados. Para isso, utilizou-se o software R (R DEVELOPMENT CORE TEAM, ) para obter os parâmetros ótimos de um gráfico de X 4. EXEMPLO DE APLICAÇÃO VSSI. Nesta seção, propõem-se duas funções (ver Apêndice A) desenvolvidas para uso em ambiente R que avaliam o desempenho do gráfico de controle de X otimização apresentado na Figura. VSSI e resolvem o problema de A primeira função, denominada VSSI, avalia o desempenho do gráfico de controle calculando o ATS quando fornecidos pelo usuário: n, n, n, delta ( ), h e r_insp. A segunda função, VSSI.otimo resolve o problema de otimização apresentado na Figura. Aqui é necessário fornecer: n, delta ( ), h, r_insp e um valor para nmax que se refere ao maior tamanho de amostra admissível para coleta. Para ilustrar o uso das funções, considere o exemplo apresentado em Costa et al. (8). Uma linha de empacotamento de leite apresenta valor médio de ml e desvio padrão estimado em 4,3 ml. É realizado o monitormanto da média do processo inpecionando-se amostras de tamanho n = 5 a cada unidade de tempo. Suponha que essa unidade seja igual a h = hora. Nesse exemplo, os parâmetros planejados para o gráfico de controle são fixos, ou seja, o tamanho da amostra, o intervalo de amostragem e os limites não se alteram depois de estimados. Para usar o gráfico de controle de X VSSI no exemplo apresentado é necessário calcular os limites de controle (w e k) e o esquema de amostragem n, h e, Escolhendo n n h. ; n 8, mantendo n 5 ;, ; ARL=37,3983; ho= hora (6 min.) e r_insp=6, a função VSSI nos fornece os parâmetros apresentados na Figura 3. Figura 3 - Parâmetros obtidos com a função VSSI(n=, n=8, n_fsr=5, delta=, ARL= , h=6, r_insp=6). Nota: h deve ser lançado em minutos Nesse exemplo,, significa que a média do processo passou de (em controle) para..4,3 4,3 (fora de controle). 9
10 Salvador, BA, Brasil, 8 a de outubro de 3. Considere o caso em que,. A Figura 4 ilustra os resultados obtidos com a função VSSI. Observa-se que o ATS é inferior (ATS = < ATS = ), pois, quando ocorrem grandes desvios na média do processo, o desempenho do gráfico é melhor. Figura 4 - Parâmetros obtidos com a função VSSI(n=, n=8, n_fsr=5, delta=, ARL= , h=6, r_insp=6) Contudo, um esquema ótimo para monitorar este processo é o que apresenta melhor desempenho, ou seja, o menor ATS. Através da função VSSI.otimo, pode-se obter os parâmetros que minimizam o ATS. A Figura 5 apresenta os melhores esquemas para os casos apresentados nas Figuras 3 e 4. Figura 5 - Parâmetros obtidos com a função VSSI.otimo(n_FSR, delta, ARL, h, r_insp, nmax) Nesse caso, o usuário que deseja controlar o valor médio de um processo considerando a possibilidade de um dos deslocamentos aqui apresentados, basta construir o gráfico de controle de X X VSSI com os parâmetros apresentados na Figura 5. Outros gráficos de VSSI podem ser construídos facilmente, modificando os valores de entrada das funções VSSI e VSSI.otimo. 5. CONCLUSÕES Apresentou-se, neste artigo, como se avalia o desempenho do gráfico de controle de X VSSI através de cadeias de Markov e, principalmente, como obter os parâmetros que minimizam o ATS. Para isso, duas funções escritas na linguagem para ambiente R foram criadas com o propósito de resolver o problema de otimização que envolve a minimização do ATS e a apresentação dos melhores parâmetros a serem usados na criação e uso do gráfico de
11 Salvador, BA, Brasil, 8 a de outubro de 3. controle de X VSSI. Esquemas adaptativos são reconhecidamente mais eficientes que os esquemas de gráficos de controle com parâmetros fixos. Contudo, o uso de esquemas adaptativos para gráficos de controle não são comuns na prática, pois os softwares estatísticos tradicionais não apresentam rotinas para esses tipos de gráficos. Dessa forma, com os programas aqui apresentados, o usuário dispõe de uma ferramenta em que é possível planejar o uso do gráfico de controle de X de qualidade desejada. VSSI para monitorar o valor médio de uma característica Sugere-se que futuros trabalhos apresentem, com apoio do software R, como planejar projetos estatísticos para gráficos de controle com esquemas adaptativos para outras estatísticas como o desvio padrão e a amplitude amostral. REFERÊNCIAS Bai, D. S. & Lee, K. T. (998). An economic design of variable sampling interval X control chart. International journal of production economics, 54, Celano, G. (9). Robust design of adaptive control charts for manual manufacturing / inspection workstations. Journal of Applied Statistics, 36(), 8-3. Celano, G. (). On the constrained economic design of control charts: a literature review. Produção, (), Costa, A.F.B. (994). X charts with variable sample size, Journal of Quality Technology, 6, Costa, A.F.B. (997). X charts with variable sample size and sampling intervals. Journal of Quality Technology, 9, Costa, A.F.B. (999). X charts with variable parameters, Journal of Quality Technology, 3, Costa, A.F.B.; Epprecht, E.K. & Carpinetti, L.C.R. (8). Controle Estatístico de Qualidade. São Paulo. Atlas. Faraz, A. & Saniga, E. (). A unification and some corrections to Markov chain approaches to develop variable ratio sampling scheme control charts. Statistical Papers, 5(4), Leoni, R.C. & Costa, A.F.B. (). O ambiente R como proposta de apoio ao ensino no monitoramento de processos. Pesquisa Operacional para o Desenvolvimento, 4(), Magalhães, M.S.; Epprecht, E.K. & Costa, A.F.B. (). Economic design of a Vp X chart. International Journal of Production Economics, 74, 9-. Park, C. & Reynolds, M. R. Jr. (994). Economic design of a variable sample size X chart. Communications in statistics simulation and computation, 3, Park, C. & Reynolds, M.R.Jr. (999). Economic design of a variable sampling rate X chart. Journal of Quality Technology, 3,
12 Salvador, BA, Brasil, 8 a de outubro de 3. Prabhu, S.S., Montgomery, D.C. & Runger G.C. (994). A combined adaptive sample size and sampling interval X control scheme. Journal of Quality Technology, 6, Prabhu, S.S., Montgomery, D.C. & Runger G.C. (997). Economic-statistical design of an adaptive X chart. International Journal of Production Economics, 49, -5. R Development Core Team (). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN , URL Reynolds, M.R.Jr.; Arnold, J.C. & Nachlas, J.A. (988). X charts with variable sampling intervals. Technometrics, 3, 8-9. Shewhart, W. A. Economic control of quality of manufactured product. ª Ed. New York: D. Van Nostrand Company. 93. Zimmer, L.S.; Montgomery, D.C. & Runger, G.C. (). Guidelines for the application of adaptive control charting schemes. International Journal of Production Research, 38(9),
13 Salvador, BA, Brasil, 8 a de outubro de 3. APÊNDICE A Código fonte para avaliar o desempenho e escolher um projeto estatístico ótimo para o gráfico de controle de X - VSSI no ambiente R. Apresentam-se, a seguir, duas funções denominadas VSSI e VSSI.otimo. Para usá-las, basta copiá-las no ambiente R e seguir o exemplo de aplicação. # Função: VSSI # função que avalia o desempenho do gráfico de X - VSSI através da cadeia de Markov rm(list=ls(all=true)) VSSI <- function(n,n,n_fsr,delta,arl,h,r_insp) { k <- qnorm(-(/(*arl))) tempo <- h h <- b_vector <- matrix(c(,), nrow=, ncol=) #vetor {b} fi_k <- pnorm(k) w<- qnorm((fi_k*(n-n_fsr)/(n-n)+.5*(n_fsr-n)/(n-n))) h <- n/r_insp h <- h*(pnorm(k)-pnorm(-k))/(pnorm(w)-pnorm(-w))-h*(*(pnorm(k)-pnorm(w)))/(pnorm(w)- pnorm(-w)) # Em controle - Probabidades de Transição p_o_o <- pnorm(w)-pnorm(-w) p_o_ab <- *(pnorm(k)-pnorm(w)) p_ab_o <- p_o_o p_ab_ab <- p_o_ab # probabilidades estado estacionário p <- p_ab_o/(p_o_ab+p_ab_o) p <- p_o_ab/(p_o_ab+p_ab_o) # Matriz de transição P <- matrix(c(p_o_o, p_o_ab, -p_o_o-p_o_ab, p_ab_o, p_ab_ab, -p_ab_o-p_ab_ab,,, ), nrow = 3, ncol=3, byrow=true, dimnames = list(c("o", "A or B", "OOC"), c("o", "A or B", "OOC"))) # matriz fundamental de Markov Qo <- matrix(c(p_o_o, p_o_ab, p_ab_o, p_ab_ab), nrow=, ncol=, byrow=true, dimnames = list(c("o", "A or B"), c("o", "A or B"))) Id <- matrix(c(,,,), nrow=, ncol=, byrow=true) # vetor unitário one <- matrix(c(,), nrow=, ncol=) # [(I-Q)^-] Id_Qo <- solve (Id-Qo) # vetor {n} n_vector <- matrix(c(n,n), nrow=, ncol=) #Fora de controle - Probabilidades de Transição pd_o_o <- pnorm(w-delta*sqrt(n))-pnorm(-w-delta*sqrt(n)) pd_o_ab <- pnorm(k-delta*sqrt(n))-pnorm(w-delta*sqrt(n))+pnorm(-w-delta*sqrt(n))-pnorm(-k- delta*sqrt(n)) pd_ab_o <- pnorm(w-delta*sqrt(n))-pnorm(-w-delta*sqrt(n)) pd_ab_ab <- pnorm(k-delta*sqrt(n))-pnorm(w-delta*sqrt(n))+pnorm(-w-delta*sqrt(n))-pnorm(-k- delta*sqrt(n)) #matriz de transição de estados Pd <- matrix(c(pd_o_o, pd_o_ab, -pd_o_o-pd_o_ab, pd_ab_o, pd_ab_ab, -pd_ab_o-pd_ab_ab,,, ), nrow = 3, ncol=3, byrow=true, dimnames = list(c("o", "A or B", "OOC"), c("o", "A or B", "OOC"))) # matriz fundamental de Markov Qd <- matrix(c(pd_o_o, pd_o_ab, pd_ab_o, pd_ab_ab), nrow=, ncol=, byrow=true, 3
14 Salvador, BA, Brasil, 8 a de outubro de 3. APÊNDICE A Código fonte para avaliar o desempenho e escolher um projeto estatístico ótimo para o gráfico de controle de X - VSSI no ambiente R (Continuação). dimnames = list(c("o", "A or B"), c("o", "A or B"))) Id_Qd <- solve(id-qd) # [(I-Qd)^-] h_vector <- matrix(c(h,h), nrow=, ncol=) # vetor {h} p <-(pnorm(w)-pnorm(-w))/(pnorm(k)-pnorm(-k)) p <-(*(pnorm(k)-pnorm(w)))/(pnorm(k)-pnorm(-k)) b_vector <- matrix(c(p,p), nrow=, ncol=) #vetor {b} SS ATS <- b_vector %*% Id_Qd %*% h_vector #b*[(i-q)^-]*h #transformação para a unidade de tempo do usuário em minutos h <- h * tempo; h <- h * tempo; h <- h * tempo; ATS <- ATS * tempo; ATS <- ARL*h parametros <- c(ats,n,n,h,h,delta,ats,arl,k,w,n_fsr,h,r_insp) names(parametros) <- c("atsd","n","n","h","h","delta","ats","arl","k","w","n","h","r_insp") parametros <- round(parametros,4) parametros} # Exemplo de aplicação da função VSSI # n - tamanho da amostra # n - tamanho da amostra # n_fsr - valor esperado (médio) para o tamanho da amostra (processo em controle) # delta - grau de deslocamento na média do processo # ARL o número esperado de amostras entre dois sucessivos alarmes falsos # h valor esperado (médio) para o intervalo de tempo para coletar uma amostra (processo em controle). NOTA: lançar o valor de ho em minutos. # r_insp - quantidade de partes que se pode inspecionar por unidade de tempo considerado em h. VSSI(n=,n=8,n_FSR=5,delta=,ARL= ,h=6,r_insp=6) # Função: VSSI.otimo # função que escolhe os parâmetros ótimos do gráfico de X - VSSI VSSI.otimo <- function(n_fsr,delta,arl,h,r_insp,nmax){ LI=n_FSR- ; LS=n_FSR+ nopt= ; nopt=*n_fsr-nopt ATSopt=VSSI(nopt,nopt,n_FSR,delta,ARL,h,r_insp)[] for (n in :LI) { for (n in LS:nmax) { x <-.5*n+.5*n x <- n_fsr if (identical(all.equal(x, x), TRUE)) { result <- VSSI(n,n,n_FSR,delta,ARL,h,r_insp)[] if (result < ATSopt) { nopt=n ; nopt=n ATSopt=as.numeric(VSSI(n,n,n_FSR,delta,ARL,h,r_insp)[]) }}}} print(vssi(nopt,nopt,n_fsr,delta,arl,h,r_insp)) } # Exemplo de aplicação da função VSSI.otimo # nmax valor máximo admissível para o tamanho da amostra # Nota: Esta função depende da anterior. Para usar a função VSSI.otimo copie também a função VSSI na área de trabalho do software R. VSSI.otimo(n_FSR=5,delta=,ARL= ,h=6,r_insp=6,nmax=4) 4
PLANEJAMENTO 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 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 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 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 mais4 Medida de desempenho do gráfico de controle
4 Medida de desempenho do gráfico de controle Neste capítulo, são apresentadas as ferramentas que nos permitem comparar o desempenho do gráfico utilizado por Kang & Albin (2000) para monitorar perfis lineares,
Leia 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 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 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 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 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 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 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 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 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. 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 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 maisCapacidade de Processo
Roteiro Capacidade de Processo 1. Limites de Especificação 2. Índices de Capacidade do Processo 3. Alarmes vs. Itens Não Conformes 4. Limites de Especificação sobre Componentes 5. Referências Capacidade
Leia maisCarta Xcom Amostras de Tamanho Variável: Um Novo Procedimento Dinâmico
P. Infante, J. Rodrigues Dias / Investigação Operacional, 26 (2006) 45-63 45 Carta Xcom Amostras de Tamanho Variável: Um Novo Procedimento Dinâmico Paulo Infante J. Rodrigues Dias Departamento de Matemática
Leia maisGRÁFICOS DE CONTROLE COM AMOSTRAGENS DUPLAS PARA O MONITORAMENTO DE PROCESSOS BIVARIADOS
GRÁFICOS DE CONTROLE COM AMOSTRAGENS DUPLAS PARA O MONITORAMENTO DE PROCESSOS BIVARIADOS Marcela A. G. Machado Departamento de Produção, UNESP Guaratinguetá, 56-40, SP, Brasil marcela@feg.unesp.br Antonio
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 maisGRÁFICOS ADAPTATIVOS DE CONTROLE POR ATRIBUTOS E SEU PROJETO NA PRÁTICA
versão impressa ISSN 0101-7438 / versão online ISSN 1678-5142 GRÁFICOS ADAPTATIVOS DE CONTROLE POR ATRIBUTOS E SEU PROJETO NA PRÁTICA Eugenio Kahn Epprecht * Departamento de Engenharia Industrial Pontifícia
Leia 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 maisGráfico de Controle por Variáveis
Principais Gráficos de Variáveis Gráfico de Controle por Variáveis Gráfico de Média X Gráfico de Ampitude R Gráfico de Variância S 2 Gráfico de Desvio-padrão S Construção dos Gráficos de Controle X e R
Leia 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 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 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 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 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 maisCarta Xcom Amostras de Tamanho Variável: Um Novo Procedimento Dinâmico
P. Infante, J. Rodrigues Dias / Investigação Operacional, 26 (2006) 45-63 45 Carta Xcom Amostras de Tamanho Variável: Um Novo Procedimento Dinâmico Paulo Infante J. Rodrigues Dias Departamento de Matemática
Leia 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 maisAPLICAÇÃO DE TÉCNICAS TRADICIONAIS E D~ SÉRIES TEMPORAIS NO CONTROLE ESTATíSTICO DA QUALIDADE
Ciência e Natura, Santa Maria, 18: 49-59, 1996 49 APLICAÇÃO DE TÉCNICAS TRADICIONAIS E D~ SÉRIES TEMPORAIS NO CONTROLE ESTATíSTICO DA QUALIDADE Maria Emilia Camargo e Helio Ricardo Friedrich Departamento
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 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 maisQualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Gráficos com.
Roteiro da apresentação 1 Controle de Qualidade Lupércio França Bessegato 2 3 4 UFMG Especialização em Estatística Setembro/2008 5 6 7 8 Monitoramento da Média Gráfico de Controle de CUSUM e de EMWA Além
Leia mais4 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 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 maisGRÁFICOS X E R COM AMOSTRAGENS EM DOIS ESTÁGIOS
GÁFICOS X E COM AMOSTAGENS EM DOIS ESTÁGIOS A. F. B. COSTA Departamento de Produção C. P. 5, Guaratinguetá, S. P., Brazil When joint X and charts are in use, samples of fixed size are regularly taken from
Leia 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 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 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 maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de Setembro a 01 de Outubro
COMPARAÇÃO DOS MÉTODOS DE VERIFICAÇÃO DO AJUSTE DA DISTRIBUIÇÃO GUMBEL A DADOS EXTREMOS CARLOS JOSÉ DOS REIS 1, LUIZ ALBERTO BEIJO 2,GILBERTO RODRIGUES LISKA 3 RESUMO A distribuição Gumbel é muito aplicada
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 maisRECURSOS GRÁFICOS TIAGO M. MAGALHÃES. São Paulo, 10 de janeiro de 2013
XLII PROGRAMA DE VERÃO Uma Introdução à Análise Exploratória de Dados e Métodos Estatísticos RECURSOS GRÁFICOS TIAGO M. MAGALHÃES INSTITUTO DE MATEMÁTICA E ESTATÍSTICA - USP São Paulo, 10 de janeiro de
Leia maisRECURSOS GRÁFICOS TIAGO M. MAGALHÃES. São Paulo, 13 de janeiro de 2014
XLIII PROGRAMA DE VERÃO Uma Introdução à Análise Exploratória de Dados e Métodos Estatísticos RECURSOS GRÁFICOS TIAGO M. MAGALHÃES INSTITUTO DE MATEMÁTICA E ESTATÍSTICA - USP São Paulo, 13 de janeiro de
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 maisO efeito da autocorrelação no desempenho do gráfico de X e na produção de itens não conformes.
O efeito da autocorrelação no desempenho do gráfico de X e na produção de itens não conformes. Roberto Campos Leoni Antônio Fernando Branco Costa Marcela Aparecida
Leia maisCADERNOS DO IME Série Estatística
CADENOS DO IME Série Estatística Universidade do Estado do io de Janeiro - UEJ io de Janeiro J - Brasil ISSN impresso 1413-922 / ISSN on-line 2317-4535 - v., p.19-28, 214 UMA FUNÇÃO ESCITA NA LINGUAGEM
Leia maisO efeito da autocorrelação no planejamento das cartas de controle de X e EWMA
Gest. Prod., São Carlos, v. 0, n. 1, p. 98-110, 013 O efeito da autocorrelação no planejamento das cartas de controle de X e EWMA Te effect of te autocorrelation on te design of te X and EWMA control carts
Leia maisCONHECIMENTOS ESPECÍFICOS
ECT11_17_52N43767 Uma cadeia de Markov é denominada irredutível (ou ergódica) caso qualquer estado possa ser transformado em qualquer outro estado, não necessariamente em um único passo. Uma cadeia de
Leia maisUM MODELO DE REGRESSÃO LINEAR PARA OBTENÇÃO DO LIMITE DE CONTROLE DO GRÁFICO DE Z
UM MODELO DE REGRESSÃO LINEAR PARA OBTENÇÃO DO LIMITE DE CONTROLE DO GRÁFICO DE Z Roberto Campos Leoni (UNESP/AEDB ) rcleoni@yahoo.com.br Marcela Aparecida Guerreiro Machado (UNESP ) marcelagmachado@yahoo.com.br
Leia 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 maisControle Estatístico de Processos Multicanal
Bruno Francisco Teixeira Simões Controle Estatístico de Processos Multicanal Tese de Doutorado Tese apresentada ao Programa de Pós-graduação em Engenharia de Produção do Departamento de Engenharia Industrial
Leia maisOTIMIZAÇÃO CONJUNTA DE GRÁFICOS DE X E S OU DE X E R
A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN OTIMIZAÇÃO CONJUNTA DE GRÁFICO DE E OU DE E R Adriana Leiras (aluna de Iniciação Científica) PUC-Rio/ Departamento de
Leia 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 maisAvaliação do coeficiente de variação na experimentação com cana-de-açúcar. Introdução
Avaliação do coeficiente de variação na experimentação com cana-de-açúcar Introdução Rubens L. do Canto Braga Jr. 12 Jaime dos Santos Filho 3 Joel Augusto Muniz 3 Na experimentação agronômica, em geral,
Leia maisAjuste de um modelo de TRI aos dados do vestibular 2011.2 do curso de Administração Noturno da Universidade Federal de Uberlândia
Ajuste de um modelo de TRI aos dados do vestibular 20.2 do curso de Administração Noturno da Universidade Federal de Uberlândia José Waldemar da Silva 2 Mirian Fernandes Carvalho Araújo 2 Lucio Borges
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 maisAumento amostral via arquétipos na avaliação do potencial hídrico de espécies de eucalipto
Aumento amostral via arquétipos na avaliação do potencial hídrico de espécies de eucalipto Pórtya Piscitelli Cavalcanti 1 4 Carlos Tadeu dos Santos Dias 2 4 Patrícia Andressa de Ávila 3 4 José Leonardo
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 maisInfluencia de Distribuições a priori na Analise Bayesiana em dados de contagem
Influencia de Distribuições a priori na Analise Bayesiana em dados de contagem Olinda Fátima dos Santos 1 Carla Regina Guimarães Brighenti 1 1-Introdução A utilização de informação a priori em inferência
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 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 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 maisGráficos de controle de Shewhart para o monitoramento de um processo de fixação de vidro automotivo
Gráficos de controle de Shewhart para o monitoramento de um processo de fixação de vidro automotivo Roberto Campos Leoni roberto.leoni@aedb.br AEDB Bianca Aparecida Reis Rios biancaolivier.rios@gmail.com
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 maisIV CONBRATRI, 4º Congresso Brasileiro de Teoria da Resposta ao Item, Brasília, DF, 2-4 de Dezembro de 2015
Ciências da Natureza e o Enem: estudos sobre as questões de 2009-2012 1 LIMC/UFRJ e PEMAT/UFRJ 2 IF/UFRJ Gustavo Rubini 1, Marta F. Barroso 2 Resumo O Exame Nacional do Ensino Médio (Enem) possui grande
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 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 maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia mais8 Referências bibliográficas
8 Referências bibliográficas ANDREWS, D. W. K.; LEE, I.; PLOBERGER, W. Optimal Changepoint Tests for Normal Linear Regression, Journal of Econometrics, v. 70, p.9-38, jan.1996. APARISI, F. Hotelling s
Leia maisAnálise do volume útil do reservatório de Furnas via modelos de séries temporais
Análise do volume útil do reservatório de Furnas via modelos de séries temporais Cristina Henriques Nogueira 1 3 Thelma Sáfadi 2 1 Introdução A energia elétrica é, sem dúvida, um recurso indispensável
Leia maisControle Ótimo - Aula 2 (Exemplos 2, 3 e 4)
Controle Ótimo - Aula 2 (Exemplos 2, 3 e 4) Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos Sistemas dinâmicos discretos no tempo O Problema
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 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 maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 1, da disciplina LCE602 - Estatística
Leia maisGráficos de controle de EWMA e de para monitoramento de processos autocorrelacionados
Gráficos de controle de EWMA e de para monitoramento de processos autocorrelacionados FERNANDO ANTONIO ELIAS CLARO ANTONIO FERNANDO BRANCO COSTA MARCELA APARECIDA GUERREIRO MACHADO UNESP - Guaratinguetá
Leia mais4 ANÁLISE DE DESEMPENHO
4 ÁLISE DE DESEPEHO análise de desempenho dos métodos EW, CUSU e foi feita por simulação. Para a simulação, utilizou-se, na parte sistemática, a fórmula 2.1 para o modelo constante e a fórmula 2.5 para
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 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 maisUtilização de diferentes estimadores de semivariância com modelo teórico exponencial
Utilização de diferentes estimadores de semivariância com modelo teórico exponencial Marcilia Bruna dos Reis Teixeira João Domingos Scalon 3 Introdução A Geoestatística aborda a detecção da estrutura da
Leia maisEspecialização em Métodos Estatísticos Computacionais
Avaliação de Sistemas de Medição Roteiro 1. Características de um Sistema de Medição 2. Avaliação do Erro Sistemático 3. Repetitividade e Reprodutibilidade 4. Adequabilidade de Sistema de Medição 5. Aplicação
Leia maisAVALIAÇÃO A PARTIR DE SIMULAÇÃO DO LIMITE SUPERIOR H DE UM GRÁFICO MULTIVARIADO DE SOMAS ACUMULADAS (MCUSUM)
ISSN 1984-9354 AVALIAÇÃO A PARTIR DE SIMULAÇÃO DO LIMITE SUPERIOR H DE UM GRÁFICO MULTIVARIADO DE SOMAS ACUMULADAS (MCUSUM) Elisa Henning (UDESC) Custodio da Cunha Alves (UNIVILLE) Andréa Cristina Konrath
Leia maisProfa. Lidia Rodella UFPE-CAA
Profa. Lidia Rodella UFPE-CAA O que é estatística? É conjunto de técnicas que permite, de forma sistemática, coletar, organizar, descrever, analisar e interpretar dados oriundos de estudos ou experimentos,
Leia maisUM MODELO ECONÔMICO PARA O PROJETO DE CARTAS ADAPTATIVAS DE CONTROLE
UM MODELO ECONÔMICO PARA O PROJETO DE CARTAS ADAPTATIVAS DE CONTROLE Renato Michel Flávio Sanson Fogliatto PPGEP/UFRGS e-mail: nrmichel@portoweb.com.br, ffogliatto@ppgep.ufrgs.br Abstract: Statistical
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisMonitoramento da qualidade do processo de manutenção de extintores. Carolina Lopes Caroline Selis Mariana Almeida Pedro Henrique Pedro Moraes
Monitoramento da qualidade do processo de manutenção de extintores Carolina Lopes Caroline Selis Mariana Almeida Pedro Henrique Pedro Moraes Índice 1) Resumo; 2) Introdução; 3) Referencial Teórico; 4)
Leia maisControle estatístico de processo: algumas ferramentas estatísticas. Linda Lee Ho Depto Eng de Produção EPUSP 2009
Controle estatístico de processo: algumas ferramentas estatísticas Linda Lee Ho Depto Eng de Produção EPUSP 2009 Controle estatístico de Processo (CEP) Verificar estabilidade processo Coleção de ferramentas
Leia maisSistema de Informações e Pesquisa de Marketing Aula 12 24/10/17
Sistema de Informações e Pesquisa de Marketing Aula 12 24/10/17 2º semestre / 2017 Profa Kavita Hamza kavita@usp.br População Soma de todos os elementos que compartilham algum conjunto comum de características
Leia mais( µ ) and the variance ( σ 2. ) 2 control charts. Esquemas CEWMA para o controlo simultâneo de µ e de σ 2 uma abordagem Markoviana
V Congresso Anual Sociedade Portuguesa de Estatística Curia, 11 a 14 de Junho de 1997 Esquemas CEWMA para o controlo simultâneo de µ e de σ uma abordagem Markoviana Manuel João Cabral Morais Departamento
Leia maisCONTROLE ESTATÍSTICO DO PROCESSO DE EMBALAGEM DE UMA FÁBRICA DE GELO
CONTROLE ESTATÍSTICO DO PROCESSO DE EMBALAGEM DE UMA FÁBRICA DE GELO Bruna T. De Lima 1, Aline S. Culchesk 1, Gilberto C. Antonelli 1,Manoel F. Carreira 1 1 Universidade Estadual de Maringá (UEM) bruna_tamara@hotmail.com
Leia maisIII Congresso Anual da Sociedade Portuguesa de Estatística. Guimarães, 26 a 28 de Junho de 1995
III Congresso Anual da Sociedade Portuguesa de Estatística Guimarães, 26 a 28 de Junho de 1995 Como Tornar Mais Eficaz uma Carta c Unilateral Superior Manuel Morais * e Isabel Natário ** Resumo: A construção
Leia mais5HYLVmR&RQFHLWXDOH7UDEDOKRV3UHFHGHQWHV
5HYLVmR&RQFHLWXDOH7UDEDOKRV3UHFHGHQWHV Neste capítulo, é feita inicialmente uma revisão conceitual das principais medidas de desempenho de gráficos de controle, e é realizada uma revisão bibliográfica
Leia maisAnálise de Correspondência em acessos de pimenta
Análise de Correspondência em acessos de pimenta Bruno Caetano Vidigal 1 Paulo Roberto Cecon 2. 1 Introdução A Análise de Correspondência (AC) é uma das diversas técnicas de análise multivariada desenvolvida
Leia maisMOQ-12 Cadeias de Markov
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-12 Cadeias de Markov Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Roteiro Introdução Processos Estocásticos
Leia maisElementos de Estatística. Michel H. Montoril Departamento de Estatística - UFJF
Elementos de Estatística Michel H. Montoril Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os estatísticos são
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Noções básicasb de Inferência Estatística descritiva inferencial População - Parâmetros desconhecidos (reais) Amostra
Leia maisPLANEJAMENTO ECONÔMICO DOS GRÁFICOS DE CONTROLE DE X PARA O MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS
PLANEJAMENTO ECONÔMICO DOS GRÁFICOS DE CONTROLE DE X PARA O MONITORAMENTO DE PROCESSOS AUTOCORRELACIONADOS Bruno Chaves Franco (UNESP) franco_sjc@yahoo.com.br Antonio Fernando Branco Costa (UNESP) fbranco@feg.unesp.br
Leia mais