CONTROLE ESTATÍSTICO DE QUALIDADE

Documentos relacionados
Qualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Gráficos com.

Gráficos de controle Cusum e MMEP

Gráficos de Controle (X, R, S, CUSUM e EWMA) Jean Carlos Teixeira de Araujo

Gráficos de Controle (X, R, S, CUSUM e EWMA)

5. Carta de controle e homogeneidade de variância

3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o

Obtenção dos projetos ótimos de gráficos de X utilizando o Matlab. Robson Silva Rossi 1 FEMEC

Gráfico de Controle por Variáveis

Renata Miranda Gomes. Detecção de Viés na Previsão de Demanda. Dissertação de Mestrado

Controle Estatístico de Qualidade. Capítulo 5 (montgomery)

Noções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23

Gráfico de Controle Estatístico

EPR 007 Controle Estatístico de Qualidade

Qualidade na empresa. Fundamentos de CEP. Gráfico por variáveis. Capacidade do processo. Gráficos por atributos. Processos.

2 Controle Estatístico de Processos

ESTUDO COMPARATIVO DO DESEMPENHO DAS CARTAS DE CONTROLE CUSUM E EWMA

GRÁFICO DE CONTROLE ESTATÍSTICO DE QUALIDADE PARA INDICADOR ESTRATÉGICO DA SECRETARIA DA FAZENDA DO GOVERNO DO PIAUÍ

Análise de Dados e Simulação

Comparação dos gráficos de controle Shewhart e Cusum na variável de perfilagem do caliper

PROGRAMAS DO CONTROLE DE QUALIDADE

TESTE DE MANN-WHITNEY

ANÁLISE DE DADOS DE VIGILÂNCIA EPIDEMIOLÓGICA COM AUXÍLIO DE GRÁFICOS DE CONTROLE ESTATÍSTICO

Teorema do Limite Central

O ambiente R como uma proposta de renovação para aprendizagem e monitoramento de processos em Controle Estatístico de Qualidade

Engenharia da Qualidade I Aula 6

Processamento de erros grosseiros - Identiمحcaچcﷺao

Disciplina: Gestão da Qualidade

Variáveis Aleatórias Contínuas

Controle Estatístico da Qualidade

CONTROLE DE QUALIDADE DA ÁGUA MEDIDO ATRAVÉS DE CARTAS DE CONTROLE DE SHEWHART, CUSUM E MMEP RESUMO

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

SENSOMETRIA. Adilson dos Anjos. Curitiba, PR 24 de março de Departamento de Estatística Universidade Federal do Paraná

MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade

2.1 Variáveis Aleatórias Discretas

Inferência Estatistica

Probabilidades e Estatística

Análise Exploratória e Estimação PARA COMPUTAÇÃO

rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias nuas

Modelos Lineares Generalizados - Verificação do Ajuste do Modelo

Modelos de Distribuição PARA COMPUTAÇÃO

Distribuições de Probabilidade. Distribuição Uniforme Distribuição Exponencial Distribuição Normal

6.1 Características da Opção sobre Futuro de Depósitos Financeiros de 1 dia

Fundamentos do Controle Estatístico do Processo

COMPARAÇÃO ENTRE GRÁFICOS DE CONTROLE DE SHEWHART, CUSUM E MMEP NO PROCESSO DE IRRIGAÇÃO POR ASPERSÃO CONVENCIONAL 1 RESUMO

TÉCNICAS DE AMOSTRAGEM

Inferências sobre o vetor de Média. (Johnson & Wichern, Cap. 5) Considere o problema univariado no qual temse uma amostra aleatória de tamanho n da

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Transcrição:

CONTROLE ESTATÍSTICO DE QUALIDADE Ralph S. Silva http://www.im.ufrj.br/ralph/ceq.html Departamento Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Março-Julho/2012

Sumário

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.

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

X 96 98 100 102 104 0 5 10 15 20 25 30 Observ. Todos os pontos estão dentro dos limites 3 sigma. O deslocamento da média passou despercebido.

S i 6 4 2 0 2 4 6 8 0 5 10 15 20 25 30 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.

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

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 0,0 370 370 370 370 370 0,2 308 116 164 206 239 0,4 200 40,4 54,5 77,8 150 0,6 120 22,2 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

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

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 ].

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.

Y i 98.5 99.0 99.5 100.0 100.5 101.0 101.5 0 5 10 15 20 25 30 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.

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 0,0 370 370 370 370 0,2 308 123 162 238 0,4 200 41,2 55,4 106 0,6 120 20,9 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