Eng a. Morgana Pizzolato, Dr a. Aula 12 Cartas de controle para atributos DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
|
|
- Ágata di Castro Melgaço
- 6 Há anos
- Visualizações:
Transcrição
1 Eng a. Morgana Pizzolato, Dr a. Aula 12 Cartas de controle para atributos DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
2 TÓPICOS DESTA AULA Cartas de Controle para Variáveis Tipo 1: X e R Tipo 2: X e S Tipo 3: X % e R Tipo 4: Valores individuais e R Cartas de Controle para Atributos Tipo 5: carta p Tipo 6: carta np Tipo 7: carta c Tipo 8: carta u 2
3 CC PARA ATRIBUTOS Atributos são características que são comparadas com um certo padrão e por isso podem assumir apenas valores discretos classificação como conforme ou não conforme, ou uma certa contagem de defeitos Exemplos: A presença de uma etiqueta A continuidade de um circuito elétrico A existência de manchas ou risco 3
4 IMPORTÂNCIA DAS CC DE ATRIBUTOS Os atributos existem na maioria dos processos técnicos ou administrativos há muitas aplicações para este tipo de CC A gerência costuma sumarizar resultados utilizando dados do tipo atributo, por isso, muitas vezes os dados históricos são do tipo atributo não requerem muita especialização para a coleta dos dados O monitoramento usando atributos pode ser uma etapa intermediária, anterior ao monitoramento de variáveis 4
5 NÃO CONFORME X NÃO CONFORMIDADE Fração de não conformes ou defeituosos: conta-se o número de produtos defeituosos ou nãoconformes (basta ter uma não conformidade) segue a distribuição Binomial pecas não conformes p= = total de peças inspecionadas discreto discreto 5
6 NÃO CONFORME X NÃO CONFORMIDADE Taxa de não conformidades ou defeitos: refere-se a contagem de defeitos no produto não conformidades λ= = produto discreto continuo segue a distribuição de Poisson 6
7 TIPOS DE CC DE ATRIBUTOS Tipo 5: carta p Percentual de não conformes as amostras podem ser de tamanhos diferentes Tipo 6: carta np número de não conformes as amostras devem ter o mesmo tamanho Tipo 7: carta c número de não conformidades as amostras devem ser do mesmo tamanho Tipo 8: carta u número de não conformidades por unidade as amostras podem ser de tamanhos diferentes 7
8 TIPO 5: FRAÇÃO DE NÃO CONFORMES A carta p mede a fração de não conformes (ou produtos defeituosos) em um grupo O grupo pode ser definido como: 100 unidades coletadas duas vezes ao dia ou 80 unidades extraídas de cada lote de produção, etc. 8
9 PASSO 1: COLETA DE DADOS (1/3) O tamanho dos subgrupos deve ser considerável para serem eficientes na detecção de alterações no processo em geral 50 a 200 unidades ou mais Recomenda-se d > 5 para que seja possível uma análise eficiente de padrões O tamanho dos grupos (n) pode ser variável, mas é mais prático trabalhar com subgrupos de tamanho constante A freqüência de amostragem deve fazer sentido em termos de períodos de produção Exemplo: 1 amostra a cada 2 lotes ou 1 amostra por turno, etc. 9
10 PASSO 1: COLETA DE DADOS (2/3) Para cada subgrupo, anotar: n = número de itens inspecionados (tamanho da amostra) d (np) = número de itens defeituosos (ou não conformes) p = d/n >> fração de não conformes E então calcular a fração de não conformes para a amostra i (estimada) npi di p ˆi = = n n i i 10
11 PASSO 1: COLETA DE DADOS (3/3) Os dados a seguir representam o número de embalagens de suco de fruta transportadas até o cliente que se apresentavam defeituosas (não conformes) As medições foram feitas a partir de lotes de 80 unidades Lote d i p i Lote d i p i Lote d i p i 1 9 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,200 11
12 PASSO 2: CÁLCULO DOS LC (1/3) Calcular a fração média de não conformes Calcular o desvio padrão da fração de não conformes (desvio padrão para a distribuição binomial) p( 1 p) σpˆ = n Esses cálculos devem ser feitos com um número grande de subgrupos, por exemplo, m > 25. m m pˆ i d i= 1 i= 1 p= = m mn i 12
13 PASSO 2: CÁLCULO DOS LC (2/3) LC para a fração de não conformes LCS = p+ 3σ LCI = p 3σ Se o LCI resultar em valor negativo, então deve ser fixado em zero pˆ pˆ 13
14 PASSO 2: CÁLCULO DOS LC (3/3) Para o exemplo anterior: npi 377 p= = = 0,157 n σ pˆ i ( 1 ) 0,157( 1 0,157) p p = = = n 80 0, 0407 Limites de controle fração de não conformes: LCS = 0, x 0,0407 = 0, LC = 0,157 LCI = 0,157 3 x 0,0407 = 0,
15 E SE O TAMANHO DAS AMOSTRAS FOR VARIÁVEL? Se, ao invés de todas as amostras serem de tamanho 80, elas tivessem tamanhos diferentes Por exemplo: 80, 50, 90, p = np n i σ pˆ = p 1 p ( ) n i 15
16 PASSO 3: MONITORAMENTO (1/2) Causas especiais: recalcular LC retirando as causas especiais para obter os LC revistos Carta de Controle para p 0,35 Fração de não-conformes 0,30 0,25 0,20 0,15 0,10 0,05 LCS = 0,280 LC = 0,157 0, LCI = 0,035 Amostra 16
17 PASSO 3: MONITORAMENTO (2/2) A presença de um ou mais pontos fora dos LC é uma evidência de causa especial As seguintes constatações também indicam alterações no processo (válidas para d > 5): 7 pontos em seqüência acima ou abaixo da linha central 7 pontos em seqüência ascendente ou descendente 17
18 PASSO 4: AVALIAÇÃO DA CAPACIDADE Após a identificação e eliminação das causas especiais, o processo pode ser avaliado em relação a sua capacidade No caso de atributos, a capacidade é expressa como % de produtos conformes que o processo produz Capacidade = (1 - p ) x 100 Deve ser comparada com as expectativas e metas gerenciais Se não for satisfatória, a gerência deve agir sobre o sistema (causas comuns) 18
19 PASSO 4: AVALIAÇÃO DA CAPACIDADE Alternativamente o fração de não-conformes pode ser comparado com as expectativas e metas gerenciais, gerando um índice de capacidade C p, dado por: C = p ˆ p meta gerencial Caso C p < 1, a gerência deve agir sobre o sistema. A ação sobre as causas comuns é mais difícil e em geral irá envolver o estudo de variáveis, e o uso de técnicas estatísticas como o uso de projeto de experimentos ou análise multivariada p 19
20 TIPO 6: NÚMERO DE NÃO CONFORMES A carta np segue a mesma lógica da carta p, mas agora, ao invés da fração de não conformes, se monitora o número de não conformes A carta np é mais apropriada quando: o número de não conformes tem um maior significado o tamanho dos subgrupos é sempre o mesmo (constante) 20
21 PASSO 1: COLETA DE DADOS Os dados a seguir representam o número de embalagens de suco de fruta transportadas até o cliente que se apresentavam defeituosas (não conformes) As medições foram feitas a partir de lotes de 80 unidades Lote d i p i Lote d i p i Lote d i p i 1 9 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,200 21
22 PASSO 2: CÁLCULO DOS LC (1/2) Número médio de não conformes np= d + d + + d m m Desvio padrão do número de não conformes σ n pˆ = np(1 p) Cálculo dos LC LCS = np+ 3σ LCI = np 3σ npˆ npˆ 22
23 PASSO 2: CÁLCULO DOS LC (2/2) Para o exemplo anterior: d 377 np= = = 12,57 ou m 30 np= n p= 80 0,157= 12,57 σ npˆ = np(1 p) = 12,57(1 0,157) = 3, 25 LCS = np+ 3σ 12, , 25= 22,33 npˆ LCI = np 3σ 12,57 3 3, 25= 2,80 npˆ 23
24 PASSO 3: MONITORAMENTO Causas especiais: recalcular LC retirando as causas especiais para obter os LC revistos Carta de Controle para np 25,00 Número de não-conformes 20,00 15,00 10,00 5,00 LCS = 22,3 LC = 15,6 LCI = 2,8 0, Amostra 24
25 TIPO 7: NÚMERO DE NÃO CONFORMIDADES A carta c monitora o número de não conformidades (ou defeitos) verificados em um grupo A utilidade da carta c é confirmada quando os defeitos estão dispersos em um meio contínuo, como por exemplo: Número de falhas por m 2 de tecido Número de imperfeições por km de pavimento Número de erros de digitação por página, etc. Quando um produto pode apresentar mais de um tipo de defeito 25
26 PASSO 1: COLETA DE DADOS (1/2) Deve-se especificar o tamanho (constante) da amostra Por exemplo: número de unidades, x metros quadrados de área, y metros de comprimento, etc. Anotar o número de não conformidades verificado em cada amostra Calcular o número médio de não conformidades, onde c i é o número de não conformidades na amostra i c1+ c cm c = σ c = c m 26
27 PASSO 1: COLETA DE DADOS (2/2) Os dados a seguir representam o número de imperfeições (não conformidades) observadas na pintura da lataria de um ônibus ( 155 m 2 ) no final da linha de montagem LCS = c+ 3 c = c+ 3σ LCI = c 3 c = c 3σ c c ônibus c ônibus c
28 PASSO 2: CÁLCULO DOS LC Para o exemplo anterior: 173 c = = 8,65 20 σ c = 8, 65= 2,94 LCS LCI = 8, ,94= 17,97 = 8, ,94= 0,17= 0, 00 28
29 PASSO 3: MONITORAMENTO Recalcular LC retirando a causa especial para obter os LC revistos Carta de Controle para c 25,00 Número de não-conformidades 20,00 15,00 10,00 5,00 0, LC = 17,47 LC = 8,65 LCI = 0,00 Amostra 29
30 TIPO 8: NÚMERO DE NÃO CONFORMIDADES POR UNIDADE A carta u monitora o número de não conformidades por unidade produzida 14/09/2011 É similar a carta c exceto que o número de não conformidade é expresso em relação a cada unidade A carta u é útil quando o tamanho da amostra varia 30
31 PASSO 1: COLETA DE DADOS (1/2) A amostras não precisam ter o mesmo tamanho (mas se esse for o caso, os cálculos ficam facilitados Contar e registrar o número de não conformidades da amostra, c u = c + c c 1 2 n + n n 1 2 σ u = u n i m m u σu = n σ = σ = K= σ = σ u u u u 1 2 k 31
32 PASSO 1: COLETA DE DADOS (2/2) Número de defeitos na costura observados em amostras de sapatos Lote N o unidades N o não N o não conformidades conformidades por unidade (u) , , , , , , , , , ,13 Total n médio 10,2 1,30 32
33 PASSO 2: CÁLCULO DOS LC LCS = u+ 3σ LCI = u 3σ u u u = 133/102= 1,30 para limites fixos σu = 1,30 /10, 2= 0,357 LCS = 1, ,357= 2,37 limites fixos LCI = 1,30 3 0,357= 0, 23 u = 133/102= 1,30 σu = 1,30 /10= 0,360 1 para limites variáveis σu = 1,30 /12= 0,330 4 σu = 1,30 /8= 0,403 4 LCS LCI i i = 1,30+ 3σu i limites variáveis = 1,30 3σu i A cada amostra i tem-se novos limites 33
34 PASSO 3: MONITORAMENTO Carta de Controle para u 3,00 Número de nãoconformidades/unidade 2,00 1,00 LC = 2,37 LC = 1,3 0, LCI = 0,23 Amostra Carta de Controle para u 3,00 Número de nãoconformidades/unidade 2,00 1,00 LC LC = 1,3 0, Amostra LCI 34
35 ESCOLHA DO TIPO DE CC DE ATRIBUTO A decisão a respeito do tipo de CC a ser utilizada parte da questão: de que tipo são os dados? Peças não conforme? Não conformidades por peça? Usar a carta p Não O tamanho da amostra é constante? O tamanho da amostra é constante? Não Usar a carta u Sim Sim Usar a carta p ou np Usar a carta c ou u 35
Morgana Pizzolato, Dr a. Aula 09 Cartas de controle para atributos DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 09 Cartas de controle para atributos DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Cartas de Controle para Variáveis Tipo 1: X e R Tipo
Leia maisAplicar as técnicas de controle estatístico dos processos em sistemas produtivos.
Página 1 de 5 CONTROLE ESTATÍSTICO DO PROCESSO C E P Objetivo geral: Aplicar as técnicas de controle estatístico dos processos em sistemas produtivos. Etapa 5 Cartas de Controle por Atributos Às vezes
Leia maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 07 Cartas de controle para a média e desvio; mediana e amplitude; valores individuais e amplitude. DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 4 CARTAS DE CONTROLE PARA VARIÁVEIS
ENGENHAIA DA QUALIDADE A ENG 09008 AULA 4 CATAS DE CONTOLE PAA VAIÁVEIS POFESSOES: CALA SCHWENGBE TEN CATEN Tópicos desta aula Cartas de Controle para Variáveis Tipo 1: Tipo : Tipo 3: X X X ~ e e S e Tipo
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 5 CARTAS DE CONTROLE PARA VARIÁVEIS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 5 CARTAS DE CONTROLE PARA VARIÁVEIS PROFESSORES: CARLA SCHWENGBER TEN CATEN ROGÉRIO FEROLDI MIORANDO KARINA ROSSINI Tópicos desta aula Cartas de Controle para Variáveis
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 maisMódulo 3 Cartas de controle por atributos
Módulo 3 Cartas de controle por atributos Tipos de cartas de controle Atributos Existem duas situações em que se utilizam atributos: 1) Quando as medidas não são possíveis, como características inspecionadas
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 maisENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia maisConfiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas.
Confiabilidade de sistemas Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Uma definição pratica de confiabilidade corresponde à probabilidade de um
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 1 APRESENTAÇÃO DA DISCIPLINA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 1 APRESENTAÇÃO DA DISCIPLINA PROFESSORES: CARLA SCHWENGBER TEN CATEN ROGÉRIO FEROLDI MIORANDO KARINA ROSSINI Objetivos da disciplina Permitir aos alunos o entendimento
Leia mais1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,
Leia maisCurso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09. Prof. Eduardo R Luz - MsC
Curso: Eng da Produção Aula 1, 2, 4, 5 Agosto 09 Prof. Eduardo R Luz - MsC AULA 1 SUMÁRIO A Administração da Qualidade O Controle da Qualidade CEP Origem e história Outros conceitos relacionados ao CEP
Leia maisControle da Qualidade. Unidade 4 Visão de Processos e Gráficos de Controle Prof. Luciana Rosa Leite
Controle da Qualidade Unidade 4 Visão de Processos e Gráficos de Controle Prof. Luciana Rosa Leite Nesta Unidade: 4.1 Variabilidade de processos 4.2 Características da Qualidade 4.3 Gráficos de Controle
Leia maisDistribuição de Probabilidade
Distribuição de Probabilidade ENG09004 2014/2 Prof. Alexandre Pedott pedott@producao.ufrgs.br Introdução O histograma é usado para apresentar dados amostrais extraídas de uma população. Por exemplo, os
Leia maisMódulo IV Medidas de Variabilidade ESTATÍSTICA
Módulo IV Medidas de Variabilidade ESTATÍSTICA Objetivos do Módulo IV Compreender o significado das medidas de variabilidade em um conjunto de dados Encontrar a amplitude total de um conjunto de dados
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 maisEng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
Leia maisDistribuição de Probabilidade. Prof. Ademilson
Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.
Leia maisMorgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Inspeção 100% Inspeção por amostragem 2 ATIVIDADE Cinco caixas
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia maisPROGRAMAS 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
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisPrincipais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:
Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Referências Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFinal 0,4
Leia maisMorgana Pizzolato, Dr a. Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Inspeção 100% Inspeção por amostragem 2 ATIVIDADE Cinco caixas (A, B, C, D,
Leia mais7- Controle Estatístico de Processos CEP - Controle Estatístico de Processos
CEP - Controle Estatístico de Processos Pedro Paulo Balestrassi www.iem.efei.br/pedro 35-3629-1161 1 Tipo de Gráfico Dados do tipo variáveis ou atributo? Variável Atributo Alto ou Baixo Volume Não Tamanho
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 maisModelos Probabiĺısticos Discretos
Discretos Prof. Gilberto Rodrigues Liska UNIPAMPA 19 de Setembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Gilberto R. Liska ( UNIPAMPA ) Notas de Aula 19 de Setembro de 2017 1 /
Leia maisTeoria 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
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete
Leia maisDistribuição de Probabilidade. Prof.: Joni Fusinato
Distribuição de Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Modelos de Probabilidade Utilizados para descrever fenômenos ou situações que encontramos na natureza, ou
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 maisCONTROLE ESTATÍSTICO DE PROCESSOS
Ferramentas da Qualidade CONTROLE ESTATÍSTICO DE PROCESSOS CONTROLE ESTATÍSTICO DE PROCESSOS (3/4) Gráficos de controle Gráfico de controle de variáveis Gráfico de controle de atributos Gráficos de Controle
Leia maisContextualização e noções básicas do CEQ
Contextualização e noções básicas do CEQ Conteúdo Programático MÓDULO 1: Previsão e Estimação da Demanda 1.1 Origem nas contribuições de Shewhart 1.2 Evolução e contexto histórico 1.3 A qualidade no contexto
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisDistribuições discretas de probabilidades. Cap. 8 Binomial, Hipergeométrica, Poisson
Distribuições discretas de probabilidades Cap. 8 Binomial, Hipergeométrica, Poisson Definições Variável aleatória: função que associa a cada elemento do espaço amostral um número real. Exemplo: diâmetro
Leia maisExemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN)
EXEMPLOS Exemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN) É dada a tabela de escolha do código de amostra em função do tamanho do lote e do nível de inspeção
Leia maisEngenharia da Qualidade. Profa. Luciana Rosa Leite
Engenharia da Qualidade Profa. Luciana Rosa Leite Unidade 1 Introdução à Engenharia Da Qualidade 1.1 Evolução da Gestão da Qualidade 1.2 Revisão de conceitos estatísticos Exercícios Evolução da Gestão
Leia maisUniversidade Federal do Ceará
Universidade Federal do Ceará Faculdade de Economia Vicente Lima Crisóstomo Fortaleza, 2011 1 Sumário Introdução Estatística Descritiva Probabilidade Distribuições de Probabilidades Amostragem e Distribuições
Leia maisFísica Geral. Incertezas em Medidas Diretas
Física Geral Incertezas em Medidas Diretas Experimento Simples Medidas diretas: valores resultantes de medições de uma mesma grandeza, realizadas por um mesmo experimentador, com o mesmo instrumento de
Leia maisTeoria das Filas aplicadas a Sistemas Computacionais. Aula 08
Teoria das Filas aplicadas a Sistemas Computacionais Aula 08 Universidade Federal do Espírito Santo - Departamento de Informática - DI Laboratório de Pesquisas em Redes Multimidia - LPRM Teoria das Filas
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia maisModelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
Leia maisFis.Rad.I /1 Notas de aula (Prof. Stenio Dore) (Dated: May 28, 2004)
INTRODUÇÃO À ESTATÍSTICA DE CONTAGEM Fis.Rad.I - 24/1 Notas de aula (Prof. Stenio Dore) (Dated: May 28, 24) I. PROBABILIDADE: E E OU Vimos que, para nossas finalidades podemos definir a probabilidade de
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
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 maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19 Modelo Poisson Na prática muitos experimentos consistem em observar a
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias Discretas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 03: Variáveis Aleatórias Discretas Qual a similaridade na natureza dessas grandezas? Tempo de espera de um ônibus
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 maisNotas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley.
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de
Leia maisLucas Santana da Cunha de junho de 2017
VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados
Leia maisMorgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Cronograma parcial DPS1037 Data Aula Conteúdo 10/ago 1 Introdução à Engenharia da
Leia maisEELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.
EELT-7035 Processos Estocásticos em Engenharia Variáveis Aleatórias Discretas 21 de março de 2019 Variáveis Aleatórias Variável aleatória, X( ): função que mapeia o espaço amostral (S) em números pertencentes
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera 2 o Sem./17 MODELOS DISCRETOS. 1. Seja X o número de caras obtidas
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 7 FUNÇÃO PERDA QUADRÁTICA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 7 FUNÇÃO PERDA QUADRÁTICA PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Função de Perda de Taguchi (ou Função Perda Quadrática) Abordagem Tradicional
Leia maisAproximação da Distribuição Binomial pela Distribuição Normal
Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE i1 Introdução Uma distribuição de probabilidade é um modelo matemático que relaciona um certo valor da variável em estudo com a sua probabilidade de ocorrência. Há dois tipos
Leia maisCAPÍTULO 5 DISTRIBUIÇÕES DE PROBABILIDADE PPGEP. Introdução. Introdução. Introdução UFRGS. Distribuições de Probabilidade
Introdução CAPÍTULO 5 DISTRIBUIÇÕES DE PROBABILIDADE UFRGS O histograma é usado para apresentar dados amostrais etraídas de uma população. Por eemplo, os 50 valores de uma característica dimensional apresentados
Leia maisFundamentos de Estatística
Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro
Leia maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia maisControle de Qualidade
Controle de Qualidade tos (NBR 13484) OBJETIVOS cação de tecidos planos em uma inspeção visual;. Esta Norma pode ser utilizada para entrega e aceitação de tecidos planos com exigências estabelecidas entre
Leia maisVariável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008
Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória
Leia maisEstatística Planejamento das Aulas
29 de outubro de 2018 Distribuição Discreta Uniforme No experimento estatístico, os eventos são equiprováveis. A v.a. discreta X assume n valores discretos tem função de probabilidade: { 1 se x f x = i
Leia maisESTATÍSTICA. Aula 1 Introdução, Tipos de Variáveis, Tipos de Dados e Tabela de Frequência. Fernando Arbache
ESTATÍSTICA Aula 1 Introdução, Tipos de Variáveis, Tipos de Dados e Tabela de Frequência Fernando Arbache 2 INTRODUÇÃO A Estatística engloba os conceitos de organização, descrição, análise e interpretação
Leia maisCapítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas
Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de Probabilidade Binomial 5-4 Média, Variância e Desvio Padrão da Distribuição Binomial 5-5 A Distribuição
Leia maisCAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES
CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES. INTRODUÇÃO - Conceito de população desconhecida π e proporção da amostra observada P. π P + pequeno erro Perguntas: - Qual é o pequeno erro?
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisAULAS 6 e 7. ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017
AULAS 6 e 7 ESPERANÇA, MOMENTOS E DISTRIBUIÇÕES DE PROBABILIDADES de VARIÁVEIS DISCRETAS 05/05/2017 Em aulas passadas vimos as funções de probabilidade de variáveis discretas e contínuas agora vamos ver
Leia maisAdilson Cunha Rusteiko
Janeiro, 2015 Estatística , A Estatística Estatística: É a parte da matemática aplicada que fornece métodos para coleta, organização, descrição, análise e interpretação
Leia maisCEP: Controle Estatístico de Processo
CEP: Controle Estatístico de Processo CEP: Controle Estatístico de Processos CEP (SPC Statistical Process Control) é uma técnica estatística para verificar a qualidade de um produto, durante o processo
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Exemplos Análise Combinatória Probabilidade Condicional Independência de Eventos Teorema da Probabilidade Total Lei de Bayes Aula de hoje Exemplo
Leia maisPRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades
PRO71 ESTATÍSTICA 3.1 PRO 71 ESTATÍSTICA I 3. Distribuições de Probabilidades Variáveis Aleatórias Variáveis Aleatórias são valores numéricos que são atribuídos aos resultados de um eperimento aleatório.
Leia maisControle - 3. Realizar o Controle da Qualidade Relatório de Desempenho. Mauricio Lyra, PMP
Controle - 3 Realizar o Controle da Qualidade Relatório de Desempenho 1 Realizar o Controle da Qualidade Preocupa-se com o monitoramento dos resultados do trabalho, a fim de verificar se estão sendo cumpridos
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2011 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisCAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Leia maisCAPÍTULO 6 CARACTERÍSTICAS DE OPERAÇÃO DOS PLANOS DE AMOSTRAGEM
CAPÍTULO 6 CARACTERÍSTICAS DE OPERAÇÃO DOS PLANOS DE AMOSTRAGEM A CCO define para cada plano de amostragem: a probabilidade de aceitação do lote (P) que tem uma qualidade p em porcentagem defeituosa, e
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 maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2010 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 3. Uma peça é classificada como defeituosa
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO UFSM O QUE É QUALIDADE? TÓPICOS DESTA AULA. Contexto histórico. Definições de qualidade
Cronograma parcial DPS1037 Morgana Pizzolato, Dr a. Aula 01 Introdução à Engenharia da Qualidade DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO UFSM Data Aula Conteúdo 10/ago 1 Introdução à Engenharia
Leia maisMétodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez
Métodos Quantitativos para a Gestão Ambiental Probabilidades e Distribuições Estatísticas Parte 1 (4/13) Luiz Carlos Estraviz Rodriguez Distribuição de probabilidades Contexto O porquê desta aula Ao desenvolvermos
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte III 08 de Abril de 2014 Distribuição Binomial Negativa Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisDISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte II 29 de Março de 2011 Distribuição Uniforme Discreta Média Propriedade da falta de memória Objetivos Ao final deste capítulo você
Leia maisVariável Aleatória Poisson. Número de erros de impressão em uma
EST029 Cálculo de Probabilidade I Cap. 7. Principais Variáveis Aleatórias Discretas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Variável Aleatória Poisson Caraterização: Usa-se quando o experimento
Leia maisTrata-se do processo de auditoria dos requisitos e da qualidade, assim como dos resultados das medições de controle de qualidade, de maneira a
Aula 18 1 2 Trata-se do processo de auditoria dos requisitos e da qualidade, assim como dos resultados das medições de controle de qualidade, de maneira a garantir o uso de padrões de qualidade e definições
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT) Distribuições de
Leia maisF (x) = P (X x) = Σ xi xp(x i ) E(X) = x i p(x i ).
Variável Aleatória Uma variável aleatória é uma variável numérica, cujo valor medido pode variar de uma réplica para outra do experimento. Exemplos: (i) Variáveis aleatórias contínuas: corrente elétrica,
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia maisAULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017
AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor
Leia maisIntrodução à probabilidade e estatística I
Introdução à probabilidade e estatística I Variáveis Aleatórias Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Probabilidade Daqui por diante utilizaremos
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 1 o Teste A 21/04/2012 9:00 Duração: 1 hora e 30 minutos Justifique convenientemente
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 mais