Inspeção de Qualidade

Documentos relacionados
Inspeção de Qualidade

Inspeção de Qualidade

LAN 2740 INSPEÇÃO DA QUALIDADE. Inspeção para aceitação Planos de amostragem

CE219 - Controle Estatístico de Qualidade

Morgana Pizzolato, Dr a. Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

a) Inspeção por Atributos Neste caso verifica-se a ocorrência de defeitos, sem determinar-se sua intensidade. É uma avaliação qualitativa.

INSPEÇÃO DA QUALIDADE. Ghislaine Miranda Bonduelle

Engenharia da Qualidade. Unidade 3 Inspeção por Amostragem para Aceitação Prof. Luciana Rosa Leite

PRO 2712 CONTROLE DA QUALIDADE 1. Inspeção por Amostragem

Morgana Pizzolato, Dr a. Aula 13 e 14 Planos de inspeção DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

CAPÍTULO 6 CARACTERÍSTICAS DE OPERAÇÃO DOS PLANOS DE AMOSTRAGEM

Engenharia da Qualidade. Unidade 3 Inspeção por Amostragem para Aceitação Prof. Luciana Rosa Leite

Avaliação dos processos de amostragem de inspeção para atributos no setor de matéria prima na indústria farmacêutica local

Curso sobre Planos de Amostragem por Atributos - NBR 5426 (MIL STD 105)

Garantia da qualidade no aprovisionamento

Unidade 3 Inspeção para aceitação. Prof a. Dr a. Luciana Leite

CAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS

6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA

ANEXO A CONTROLE DE QUALIDADE: NORMA MIL-STD-105E

INSPEÇÃO POR AMOSTRAGEM

Gráfico de Controle por Atributos

Prof. Dr. Roberto Antonio Martins UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO

6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA

Exemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN)

Planos de Amostragem para análise microbiológica de

Aceitação por amostragem. Introdução. Introdução. Engenharia Alimentar. Controlo da Qualidade 2005

Testes de Hipótese para uma única Amostra - parte II

6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA

Estatística para Cursos de Engenharia e Informática

AULA 05 Teste de Hipótese

- C E Q - Exercícios Resolvidos. Controlo Estatístico da Qualidade. Instituto Superior Técnico. Secção de Tecnologia Mecânica

Testes de Hipótese para uma única Amostra - parte II

Planos de amostragem e procedimentos na inspeção por atributos ~

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza

AULA 04 Teste de hipótese

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

Amostragem e Distribuição Amostral. Tipos de amostragem, distribuição amostral de média, proporção e variância

UNIVERSIDADE FEDERAL DO PARANÁ VANDERLEI GALINA

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

Estatística Aplicada. Teste de hipóteses ou teste de significância Cap. 11

NBR 7170/1983. Tijolo maciço cerâmico para alvenaria

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I

Gerência da qualidade

Controlo por Amostragem

TOMADA DE DECISÃO PARA UMA AMOSTRA. Estatística Aplicada à Engenharia 1

4. PRINCIPAIS MODELOS DISCRETOS

Fernando de Pol Mayer

Contabilometria Aula 6. Prof.: Patricia Maria Bortolon, D. Sc.

Probabilidade e Estatística

Distribuição Amostral e Estimação Pontual de Parâmetros

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

PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Testes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07

4. PRINCIPAIS MODELOS DISCRETOS

Probabilidade e Estatística 2011/2

Probabilidade e Estatística

amostragem, especialmente aqueles envolvidos diretamente com a produção de bens e serviços, como por

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

7 Teste de Hipóteses

Testes de Hipóteses para uma Única Amostra

Matrizes para alicates de compressão hidráulica

Testes de Hipótese para uma única Amostra - parte I

X ~ Binomial (n ; p) H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) { X k 1 } U { X k 2 } (ou { X k } ou { X k }) x RC não rejeitamos H

Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014)

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não.

Controle Estatístico de Qualidade. Capítulos 1, 2 e 3 (montgomery)

Esporas para escalada de postes de concreto tipo duplo T

CAPÍTULO 4 CONCEITOS BÁSICOS DE ESTATÍSTICA E PROBABILIDADES

Teste de Hipóteses. Prof.: Joni Fusinato

Capítulo 4 Inferência Estatística

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza

NTC e Ferramentas de Redes de Distribuição Facas Isoladas. Figura 1 Faca isolada lâmina reta

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p

Probabilidade e Estatística

Capacidade de Processo Material Complementar

Aula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição

MAE0229 Introdução à Probabilidade e Estatística II

Filho, não é um bicho: chama-se Estatística!

Solução dos Exercícios - Capítulos 1 a 3

Teste de hipóteses Página 1 de 8. Teste de hipóteses

TESTE DE HIPÓTESE. Introdução

Transcrição:

Inspeção de Qualidade Roteiro 1. Inspeção para Aceitação 2. Planos de Amostragem Simples 3. Determinação Plano de Amostragem 4. Inspeção Retificadora 5. Plano de Amostragem Dupla 6. Referências Inspeção para Aceitação

Inspeção por Amostragem Avaliação de característica de qualidade de unidades selecionadas aleatoriamente; Alternativa para inspeção 1%; Obrigatória quando a avaliação de qualidade requer teste destrutivo. Inspeção para Aceitação Inspeção por amostragem de itens de lote de entrega Dependendo da quantidade de defeituosos da amostra, o lote é aceito ou rejeitado O lote rejeitado é devolvido ao fornecedor A tendência é substituí-la por trabalho com os fornecedores visando assegurar a qualidade de seus produtos Teste de Hipóteses Associado à inspeção para aceitação: H : p = p H 1 : p > p P: proporção de defeituosos do processo Risco α: Risco do produtor Não aceitação de lote de boa qualidade Risco β: Risco do consumidor Aceitação de lote de má qualidade

d: quantidade de defeituosos na amostra: d ~ hipergeométrica D m D d n d Pr[ d = d = ] (9.1) m n m unidades D defeituosas n unidades d defeituosas LOTE AMOSTRA Exemplo: Probabilidade de 2 itens amostrais defeituosos Lote de 2 itens com 1 itens defeituosos; Amostra de 2 unidades m = 2; D = 1; n = 2; d = 2. 1 2 1 2 2 2 Pr[ 2] d = = =,198 2 2 D: número de defeituosos no lote D ~ binomial (m,p) p: proporção de defeituosos no processo m Pr( D = D ) = p D D m D (1 p)

Probabilidade de um lote de 2 itens conter 1 itens defeituosos com p =,1. 2 1 Pr( D = 1) =,1 (1,1) 1 2 1 =,45 Probabilidade de 2 defeituosos na amostra Pr 2 { d d } = Pr{ d = d D = D } { D = D } = Pr D = Pr[ d = 2 D = D ] e Pr[ D = D ] D Pr[ D = D ] Pr[ d = 2 D = D ] D Pr[ D = D ] Pr[ d = 2 D = D ] 1,45,1975 21,892,2989 11,87,2186 22,86,2957 12,153,2373 23,693,2911 13,245,2536 24,568,2853 14,364,2674 25,444,2784 15,51,2787 26,332,276 16,644,2875 27,238,262 17,775,2939 28,163,2528 18,875,2982 29,18,2431 19,931,33 3,68,233 2,936,35 2 { d 2} = Pr{ d = 2 D = D } Pr{ D = D } =, 285 Pr = D = Aproximação Se n/m =,1 então P{d = d } pode ser obtido com boa precisão considerando: d ~ binomial (n, p) Pr n d 2 2 d n d 2 18 { d = 2} = p (1 p) =,1 ( 1,1) =, 285

Amostragem de Aceitação Lote com 2 itens H : p =,1 vs. H 1 : p >,1 Plano Amostral amostra de 5 itens Critério de aceitação: todos os itens amostrais considerados não defeituosos Risco do fabricante: 5 α = 1 P{ d = } = 1,99 =,49 α 5% Risco do consumidor p 1,2,4,6,1 b,9,82,73,59 β,2 α 5% 5 = P{ d = p =,2} =,98 =,94 1 Comentários Para aproximar os riscos α e β pela binomial, deve-se considerar constante a probabilidade de um item ser defeituoso; Na realidade, a probabilidade de um item defeituoso na amostra ser defeituoso depende da proporção de defeituosos no lote; Se n/m =,1 a aproximação é satisfatória

Planos de Amostragem Simples Amostragem Simples por Atributos Parâmetros do plano amostral: Tamanho da amostra: n Número de aceitação: Ac Critério de aceitação do lote: Número de defeituosos = Ac Cada plano amostral está associado a uma única curva característica de operação (CCO) P ac vs. p P ac : probabilidade de aceitação do lote p: proporção de defeituosos Plano Amostral: n = 2 e Ac = 5 Valores de p e P ac do Plano de Amostragem p(%) λ = np P ac(%),5 1, 99,9 1, 2, 98 1,4 2,8 93 1,8 3,6 84 2, 4, 79 2,6 5,2 58 3, 6, 44 4, 8, 19 5, 1, 7 6, 12, 2 5 2 i 2 i Pac(,2) = P{ d 5 p =,2} =,2 (1,2) =, 787 i= i

Curva característica de operação do plano amostral n = 2 e Ac = 5 CCO (n=2, Ac=5) Pac1 (%) 8 6 4 2 1 2 3 4 5 6 p(%) Curva característica de operação ideal para p =,1 CCO-Ideal 1 8 Pac(%) 6 4 2 1 2 3 4 5 p(%) Todos os lotes com p =,1 seriam aceitos e aqueles com p >,1 seriam rejeitados Efeito de n e Ac na probabilidade de aceitação de lote Pac 1 (%) 8 6 4 2 1 2 3 4 5 6 n=2, Ac=5 n=3,ac=5 p(%) n=2, Ac=4 Aumento de n ou redução de Ac: aumento do risco α: ruim para fabricante diminuição do risco β: bom para consumidor

É necessária mais informação para a redução simultânea de α e β Aumento de n e Ac Determinação do Plano de Amostragem Parâmetros de Entrada NQA Nível de qualidade aceitável p : máxima proporção de defeituosos que o consumidor considera satisfatória como média do processo NQI Nível de qualidade inaceitável p 1 : proporção de defeituosos que o consumidor considera totalmente insatisfatória como média do processo

α: risco que o fabricante está disposto a aceitar rejeição de lote de boa qualidade β: risco que o comparador está disposto a aceitar aceitação de lote de má qualidade Deseja-se determinar: tamanho da amostra (n) número de aceitação (Ac) Mesmo problema de determinação de parâmetros de carta np Exemplo Determinação de plano amostral com: α =,2 β =,1 NQA = 1% NQI = 5% Solução ótima: n = 184 Ac = 5 Solução Boa: Algoritmo da Seção 8.3.1 Determinação do Plano de Amostragem d P ac (=α) λ n 1 λ1=np1 P ac (=β) 3,981 1, 1 5,27 4,9814 1,5 15 7,5,13 5,9834 2, 2 1,7 (<,1 solução) Em geral a solução boa apresenta um n ligeiramente maior que aquele da solução ótima

Inspeção Retificadora Inspeção Retificadora Lotes rejeitados são submetidos à inspeção 1% Todos os itens defeituosos do lote são substituídos por itens bons Na inspeção para aceitação: Os lotes rejeitados são devolvidos para o fornecedor Definir Plano de Amostragem (n, Ac) Inspecionar amostra de tamanho n d>ac Comparar d e Ac d Ac Aceitar o lote Rejeitar o lote Inspeção para Aceitação Inspecionar todo o lote e trocar os itens defeituosos Inspeção Retificadora Inspeção para Aceitação e Inspeção Retificadora

Vantagem Após a comercialização de uma série de lotes proporção média de defeituosos (q) que o comprador é menor que p (proporção média de defeituosos do processo de fabricação) Após a comercialização de uma série de lotes p ac = proporção de lotes aceitos Lotes com fração defeituosa p Lotes aceitos Inspeção Retificadora Fração defeituosa p Fração defeituosa q =Fração média de defeituosos de uma série de lotes submetidos a inspeção retificadora q = p pac < p Lotes rejeitados 1-p ac = proporção de lotes rejeitados proporção média de defeituosos (q) que o comprador adquire é menor que a proporção média de defeituosos do processo de fabricação (p) QMR Qualidade média resultante: Proporção média de defeituosos (q) que o comprador adquire com a inspeção retificadora ac ( Pac ) = p Pac QMR = p P + 1

Para o plano amostral com n = 2 e Ac = 5: p(%) λ = np P ac(%) QMR, 1,5 1, 99,9,5 1, 2, 98,98 1,4 2,8 94 1,32 1,8 3,6 84 1,51 2, 4, 79 1,58 2,4 4,8 65 1,56 2,6 5,2 58 1,51 3, 6, 44 1,32 4, 8, 19,76 5, 1, 7,35 6, 12, 2,12 Qualidade Média Resultante QMR (%) 1,8 LQMR 1,5 1,2,9,6,3 1 2 3 4 5 6 P(%) LQMR Limite da Qualidade Média Resultante: Máxima proporção média de defeituosos que o consumidor adquire com a inspeção retificadora Comentários Para valores pequenos de p a maioria dos lotes é aceita e QMR p; À medida que p cresce, diminui a probabilidade de o lote ser aceito maior quantidade de lotes submetidos à inspeção 1% diminuição da QMR

Plano de Amostragem Dupla Planos de Amostragem Dupla Objetivo: Reduzir a quantidade de itens do lote a inspecionar Parâmetros: n 1 e n 2 : tamanhos de amostra Ac 1 e Ac 2 : números de aceitação Re 1 : número de rejeição Critério: Retira-se amostra de tamanho n 1 Se d 1 = Ac 1, aceita-se o lote Se d 1 = Ac 1, rejeita-se o lote; Se Ac 1 < d 1 < Re 1 : retira-se 2ª. Amostra Se d 1 + d 2 = Ac 2 : aceita-se o lote Em caso contrário ele é rejeitado

Definir o Plano de Amostragem ( n 1, n 2, Ac 1, Re 1, Ac 2 ) d1 Ac 1 Inspecionar a Primeira Amostra n1 d1 Re 1 d1 + d2 Ac2 Ac 1 < d1 < Re1 Inspecionar a Segunda Amostra n 2 d 1 + d 2 > Ac2 Aceitar o Lote Rejeitar o Lote Amostragem dupla com plano: n 1 = n 2 =125; Ac 1 = 2; Re 1 = 5 e Ac 2 = 6 d 1 2 d1 + d 2 6 Aceitar o Lote Inspecionar a Primeira Amostra n 1=125 2 < d1 < 5 Inspecionar a Segunda Amostra n 2=125 d 1 5 d1 + d2 > 6 Rejeitar o Lote Probabilidade de aceitação do lote na 1ª. amostragem: 1 P ac = P d { 2} Probabilidade de aceitação do lote na 2ª. amostragem: 2 = P{ d d = 3} P{ d = 3} + P{ d 2 d = 4} P{ d = 4} P ac 2 Probabilidade de o lote ser aceito: 1 3 1 1 2 1 1 P = P + P ac 1 ac 2 ac

p(%) Valores de p e P ac (amostragem dupla) λ = n 1 p 1 P ac Pr[ d 1 =3] Pr[ d 1 =4] Pr[ d 2 3] Pr[ d 2 2 ] 2 P ac P ac,5,625,97,2, 1,,97,2 1, 1, 1,25,87,9,3,96,87,11,98 1,4 1,75,74,16,7,9,74,19,94 1,8 2,25,61,2,11,81,61,23,84 2, 2,5,54,22,13,76,54,24,78 2,6 3,25,37,22,18,59,37,2,57 3, 3,75,27,21,2,48,27,15,43 4, 5,,12,14,18,26,12,6,18 5, 6,25,5,8,12,12,5,2,6 6, 7,5,2,4,7,5,2,,2 Comentários As probabilidades de aceitação são semelhantes àquelas obtidas com o plano de amostragem simples (n = 2; Ac = 5); TMA Tamanho Médio das Amostras Número de itens inspecionados: n = 125 se não for necessária 2ª. amostragem; N = 25 caso ela seja necessária Probabilidade da 2ª. amostragem: P{d 1 = 3 ou d 1 = 4} TMA Tamanho médio das amostras [ P{ d = 3} + P{ 4} ] TMA = 125+ 125 d1 1 =

2, 18, TMA 16, 14, 12, 1 2 3 4 5 6 7 8 p(%) P(%) TMA P(%) TMA P(%) TMA,5 128,1 2 168,8 5 149,8 1 14,2 2,6 175,9 6 138,3 1,4 153, 3 175,7 7 131,4 1,8 164,4 4 164,7 8 127,8 O TMA não ultrapassa 18 itens Referências Bibliografia Recomendada Costa, A. F. B., Epprecht, E. K., Carpinetti, L. C. R. (Atlas) Controle Estatístico de Qualidade Montgomery, D. C. (LTC) Introdução ao Controle Estatístico de Qualidade