CONTROLE ESTATÍSTICO DE QUALIDADE
|
|
|
- Miguel Gomes Conceição
- 9 Há anos
- Visualizações:
Transcrição
1 CONTROLE ESTATÍSTICO DE QUALIDADE Ralph S. Silva Departamento Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Março-Julho/2012
2 Sumário
3 O gráfico de controle de Somas Acumuladas (CUSUM, do inglês Cumulative Sum) e o gráfico de controle da Média Móvel Ponderada Exponencialmente (EWMA, do inglês Exponentially Weighted Moving Average) são indicados para o monitoramento de processos sujeitos a pequenas pertubações. A decisão sobre o estado do processo é baseada na informação acumulada de diversas amostras.
4 Gráfico de Controle de CUSUM No gráfico de controle de CUSUM, à medida que as amostras são retiradas, os desvios de X em relação ao valor-alvo µ 0 (ou ao valor médio em controle) são acumulados, gerando a estatística S t S t = i (X j µ 0 ) j=1 sendo X j a média da j-ésima amostra de tamanho n 1. A Tabela 7.1 apresenta os 20 primeiros valores de uma variável aleatória normal com média 100 e desvio padrão 1 e os 10 seguintes com média 101 e desvio padrão 1. Mostrar Tabela 7.1
5 X Observ. Todos os pontos estão dentro dos limites 3 sigma. O deslocamento da média passou despercebido.
6 S i Observ. No gráfico das somas acumuladas, a estatística S i cresce indefinidamente. Para grandes desvios da média, o gráfico de controle de X é sempre mais ágil.
7 O Algoritmo CUSUM Precisamos das seguintes quantidades S + i = max{0, X i (µ 0 + d) + S + i 1} S + i = max{0, (µ 0 d) X i + S i 1 }, sendo X i é a i-ésima observação do processo, e S + 0 = S i = 0. O algoritmo CUSUM produz um sinal sempre que S + i e S i for maior que K. Os valores recomendados para K e d são respectivamente, 5σ 0 (desvio padrão) e µ 1 µ 0 /2 (magnitude do deslocamento da média). A estimativa δ da magnitude do deslocamento sofrido pela média é dada por d + S+ i N +, se S + i > K ; δ = i d S i, se S i > K. Mostrar Tabela 7.2 N i
8 Tabela: Gráfico de X versus algoritmo CUSUM Número médio de amostras até o sinal (NMA) Gráfico X Algoritmo CUSUM, com K = kσ 0 / n e d = δσ 0 / n µ 1 µ 0 σ 0 / n k = 3, 0 k = 8, 010 k = 4, 774 3, 339 k = 2, 517 d = 0, 25 d = 0, 50 d = 0, 7 d = 1, 00 0, , , ,4 54,5 77, , ,2 24,6 33,5 46,8 0,8 71,6 15,1 14,4 17,6 23,6 1,0 43,9 11,4 9,93 10,9 13,6 1,2 27,8 9,18 7,52 7,62 8,79 1,4 18,3 7,69 6,06 5,80 6,28 1,6 12,4 6,63 5,08 4,68 4,81 1,8 8,69 5,84 4,38 3,92 3,89 2,0 6,30 5,22 3,86 3,39 3,26 3,0 2,00 3,48 2,49 2,09 1,86 4,0 1,19 2,67 1,96 1,55 1,32
9 O algoritmo CUSUM pode ser utilizado para n > 1. Basta substituir X i por X i adequadamente nas expressões anteriores. Neste caso, devemos considerar σ 0 / n como o desvio. K = 5σ 0 / n e S + i = max{0, X i (µ 0 + d) + S + i 1} S + i = max{0, (µ 0 d) X i + S i 1 }. É vantajoso trabalhar com n > 1 para o gráfico de controle de Shewhart e o algoritmo de CUSUM com n = 1. Em alguns casos, é necessário reinicializar o processo após uma intervenção. O artifício de Resposta Inicial Rápida (RIR) consiste em recomeçar o monitoramento com S + i e S i : em vez de S + 0 = S 0 = 0. S + 0 = S 0 = K /2
10 Gráfico de Controle de EWMA No gráfico de controle de EWMA, utilizamos a estatística Y i Y i = λx i + (1 λ)y i 1 sendo 0 < λ 1 e Y 0 = µ 0 (o valor-alvo ou valor médio em controle de X). A variância da variável Y i é dada por σ 2 Y i = σ 2 ( λ 2 λ sendo σ 2 a variância da variável X. ) [1 (1 λ) 2i ] Os limites de k-sigma do gráfico de EWMA são dados por ( ) λ LSC = µ 0 + kσ 0 [1 (1 λ) 2 λ 2i ] LM = µ 0 ( ) λ LIC = µ 0 kσ 0 [1 (1 λ) 2 λ 2i ].
11 Os limites de k-sigma do gráfico de EWMA assintóticos são dados por ( ) λ LSC = µ 0 + kσ 0 2 λ LM = µ 0 ( ) λ LIC = µ 0 kσ 0. 2 λ sendo σ 0 o desvio padrão do processo quando em controle.
12 Y i Observ. Para reiniciar, fazemos Y 0 = µ 0. Para n > 1, temos Y i = λx i + (1 λ)y i e o desvio padrão dado por σ 0 / n.
13 Tabela: Gráfico de X versus gráfico de controle EWMA Número médio de amostras até o sinal (NMA) Gráfico X Gráfico de controle de EWMA µ 1 µ 0 σ 0 / n λ = 1, 00 λ = 0, 10 λ = 0, 20 λ = 0, 50 k = 3, 00 k = 2, 701 k = 2, 859 k = 2, 978 0, , , ,2 55, , ,9 25,3 49,6 0,8 71,6 13,4 14,6 26,0 1,0 43,9 9,74 9,80 15,2 1,2 27,8 7,64 7,27 9,88 1,4 18,3 6,30 5,77 6,96 1,6 12,4 5,38 4,78 5,23 1,8 8,69 4,70 4,10 4,15 2,0 6,30 4,18 3,59 3,42 3,0 2,00 2,76 2,31 1,85 4,0 1,19 2,14 1,81 1,30
Qualidade 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
Gráficos de controle Cusum e MMEP
Gráficos de controle Cusum e MMEP CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli [email protected] Prof. Walmes Zeviani [email protected] Laboratório de Estatística e Geoinformação Departamento
Gráficos 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 [email protected] 1 Agenda Introdução; Gráficos X e R; Gráficos X e S; Gráfico CUSUM; Gráfico EWMA; Exemplos utilizando a ferramenta
Gráficos 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
5. 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
3 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.
Obtenção 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 [email protected] Aurélia Aparecida de Araújo Rodrigues 2 FAMAT [email protected] Resumo Foi
Gráfico 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
Renata Miranda Gomes. Detecção de Viés na Previsão de Demanda. Dissertação de Mestrado
Renata Miranda Gomes Detecção de Viés na Previsão de Demanda Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo Programa de Pós- Graduação em Engenharia
Controle 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;
Noções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Gráfico 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
EPR 007 Controle Estatístico de Qualidade
EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como
Qualidade 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
2 Controle Estatístico de Processos
1 Controle Estatístico de Processos Esse capítulo apresenta os principais gráficos de controle para variáveis, não tendo o objetivo de maior aprofundamento, sendo o assunto tratado de forma geral. Maior
ESTUDO COMPARATIVO DO DESEMPENHO DAS CARTAS DE CONTROLE CUSUM E EWMA
ESTUDO COMPARATIVO DO DESEMPENHO DAS CARTAS DE CONTROLE CUSUM E EWMA VERA DO CARMO COMPARSI DE VARGAS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO UNIVERSIDADE FEDERAL DE SANTA MARIA LUIS FELIPE
GRÁFICO DE CONTROLE ESTATÍSTICO DE QUALIDADE PARA INDICADOR ESTRATÉGICO DA SECRETARIA DA FAZENDA DO GOVERNO DO PIAUÍ
Universidade de Brasília IE Departamento de Estatística Estágio Supervisionado em Estatística 2 Lívia Rachel Sant Anna Monteiro Rocha Lopes GRÁFICO DE CONTROLE ESTATÍSTICO DE QUALIDADE PARA INDICADOR ESTRATÉGICO
Análise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Comparação 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
PROGRAMAS DO CONTROLE DE QUALIDADE
Universidade Federal do Rio Grande Escola de Química e Alimentos Engenharia de Alimentos Análise Sensorial e Controle de Qualidade PROGRAMAS DO CONTROLE DE QUALIDADE Prof. Dra. Janaína Fernandes Medeiros
TESTE DE MANN-WHITNEY
TESTE DE MANN-WHITNEY A importância deste teste é ser a alternativa não paramétrica ao teste t para a diferença de médias. Sejam (X,X,...,X n ) e (Y,Y,...,Y m ) duas amostras independentes, de tamanhos
ANÁLISE DE DADOS DE VIGILÂNCIA EPIDEMIOLÓGICA COM AUXÍLIO DE GRÁFICOS DE CONTROLE ESTATÍSTICO
0 UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS CURSO DE ESPECIALIZAÇÃO EM ESTATÍSTICA E MODELAGEM QUANTITATIVA ANÁLISE DE DADOS DE VIGILÂNCIA EPIDEMIOLÓGICA COM AUXÍLIO DE GRÁFICOS
Teorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
O ambiente R como uma proposta de renovação para aprendizagem e monitoramento de processos em Controle Estatístico de Qualidade
O ambiente R como uma proposta de renovação para aprendizagem e monitoramento de processos em Controle Estatístico de Qualidade Elisa Henning (UFSC) [email protected] Custodio da Cunha Alves (UNIVILLE)
Engenharia da Qualidade I Aula 6
Engenharia da Qualidade I Aula 6 Ferramentas para o Controle e Melhoria da Qualidade Gráfico de Controle Prof. Geronimo Virginio Tagliaferro Os gráficos de controle surgiram devido à necessidade de introduzir
Processamento de erros grosseiros - Identiمحcaچcﷺao
Processamento de erros grosseiros - Identiمحcaچcﷺao Método ˆb Base: variável ˆβ interpretada como uma estimativa do erro associado à medida; verificação da magnitude do erro com relação a faixa esperada
Disciplina: 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
Variáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Controle 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
CONTROLE DE QUALIDADE DA ÁGUA MEDIDO ATRAVÉS DE CARTAS DE CONTROLE DE SHEWHART, CUSUM E MMEP RESUMO
You are free: to copy, distribute and transmit the work; to adapt the work. You must attribute the work in the manner specified by the author or licensor CONTROLE DE QUALIDADE DA ÁGUA MEDIDO ATRAVÉS DE
Prof. 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
Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09
Teoria das Filas aplicadas a Sistemas Computacionais Aula 09 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
SENSOMETRIA. Adilson dos Anjos. Curitiba, PR 24 de março de Departamento de Estatística Universidade Federal do Paraná
SENSOMETRIA Adilson dos Anjos Departamento de Estatística Universidade Federal do Paraná [email protected] Curitiba, PR 24 de março de 2015 1 / 22 SENSOMETRIA Métodos Discriminativos Teste de ordenação 2
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
2.1 Variáveis Aleatórias Discretas
4CCENDMMT02-P PROBABILIDADE E CÁLCULO DIFERENCIAL E INTEGRAL Girlan de Lira e Silva (1),José Gomes de Assis (3) Centro de Ciências Exatas e da Natureza /Departamento de Matemática /MONITORIA Resumo: Utilizamos
Inferência Estatistica
Inferência Estatistica Ricardo Ehlers [email protected] Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Probabilidades e Estatística
Departamento de Matemática - IST(TP) Secção de Estatística e Aplicações Probabilidades e Estatística 1 o Teste B 2 o semestre 2007/08 Duração: 90 minutos 19/04/2008 11:30 horas O teste consiste em dois
Análise Exploratória e Estimação PARA COMPUTAÇÃO
Análise Exploratória e Estimação MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Médias Média Aritmética (valor médio de uma distribuição) n x = 1 n i=1 x i = 1 n x 1 + + x n Média Aritmética
rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias nuas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 04: Variáveis Aleatórias Contínuas nuas Função densidade de probabilidade contínua nua f(x) a b f(x) 0 para
Modelos Lineares Generalizados - Verificação do Ajuste do Modelo
1 Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 9 de Abril de 2015 2 3 Função Deviance Podemos ver o ajuste de um modelo a um conjunto de dados como: uma forma
Modelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Distribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal
Distribuições de Probabilidade Distribuição Uniforme Distribuição Exponencial Distribuição Normal 1 Distribuição Uniforme A distribuição Uniforme atribui uma densidade igual ao longo de um intervalo (a,b).
6.1 Características da Opção sobre Futuro de Depósitos Financeiros de 1 dia
50 6 Implementação Neste capítulo serão discutidas algumas características do ativo objeto de nossa análise, assim como outros fatores de suma importância para o trabalho, tais como: fonte de dados, taxa
Fundamentos 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
COMPARAÇÃO ENTRE GRÁFICOS DE CONTROLE DE SHEWHART, CUSUM E MMEP NO PROCESSO DE IRRIGAÇÃO POR ASPERSÃO CONVENCIONAL 1 RESUMO
56 Irriga, Botucatu, Edição Especial, Irrigação, p. 56-70, 206 ISSN 808-3765 COMPARAÇÃO ENTRE GRÁFICOS DE CONTROLE DE SHEWHART, CUSUM E MMEP NO PROCESSO DE IRRIGAÇÃO POR ASPERSÃO CONVENCIONAL JIAM PIRES
TÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Amostragem estratificada Divisão da população em
Inferências sobre o vetor de Média. (Johnson & Wichern, Cap. 5) Considere o problema univariado no qual temse uma amostra aleatória de tamanho n da
Inferências sobre o vetor de Média (Johnson & Wichern, Cap. 5) Considere o problema univariado no qual temse uma amostra aleatória de tamanho n da distribuição N(µ, σ 2 ), em que ambos os parâmetros de
Probabilidade 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
