Aula 14 - Gráficos de Controle para Atributos

 São utilizados quando as características da qualidade são melhor
representadas pela presença ou ausência de um atributo, e não por

alguma medição. Por exemplo, uma lâmpada é classificada como
“funciona” ou “não funciona”, “conforme” ou “não conforme”.
 Podem ser utilizados nas seguintes situações:
1. Quando o número de características a controlar em cada produto é

muito grande;
2. Quando em lugar de mensurações convém empregar calibradores

do tipo passa / não - passa;
3. Quando o custo de mensuração é elevado em relação ao custo da

peça;
4. Quando a verificação da qualidade pode ser feita por simples

inspeção visual.
 Muito utilizado na área de serviços e nos esforços de melhoria da

qualidade não-industrial.
Engenharia da Qualidade II 1
 Os principais tipos de Gráfico são:
1. Gráficos de p: para o controle da proporção de unidades defeituosas

em cada amostra, gráfico para fração não conforme;
2. Gráficos de np: para o controle do número de unidades defeituosas

por amostra, ou seja, o número de itens não conformes;
3. Gráficos de c: para o controle do número de defeitos por amostra ou

a quantidade de não conformidades;
4. Gráficos de u: para o controle do número de defeitos por unidade de

produto.
 É recomendado a aplicação de Gráficos de Pareto para

determinação das características mais importantes (mais
significativas como geradoras de defeitos no produto ).
1
 A fração defeituosa da amostra é definida como sendo a razão entre o número de
defeituosos (não conformes) encontrados na amostra (d) e o tamanho da amostra (n):
= d/n
 A distribuição de probabilidade da fração defeituosa é a binomial.
 Entretanto, se os tamanhos das amostras forem grandes para atenderem:
np>5 e n(1-p)>5, onde pode-se utilizar a distribuição normal.
 Considerando que  = p e que σ2 = p(1- p)/n e adotando o modelo geral do

gráfico de Shewhart, com a distância dos limites de controle a linha central igual
a 3, temos os seguintes limites de controle.
Onde: p = estatística que estima a fração

não conforme desconhecida
Numa indústria farmacêutica, diariamente são

obtidas amostras de produtos acabados que são
examinados quanto a erros de embalagem (falta de bula,
falta de código de lote, falta de prazo de validade, falta
de rótulo, manchas de impressão, etc.)
Cada amostra deve representar adequadamente
um dia de produção e, portanto, deve ser obtida ao longo
de todo o período de produção. Cada frasco é
classificado em bom ou ruim (conforme ou não
conforme).
Optou-se por tomar amostras de 200 itens ao
longo de 15 dias.
Os dados podem ser vistos a seguir:
2
Produtos Não
Dias p
Verificados Conforme
1 200 22 0,110
2 200 25 0,125
3 200 17 0,085
4 200 18 0,090
5 200 37 0,185 Como cada embalagem é
6 200 29 0,145 classificada como conforme
ou não conforme a carta p é
7 200 21 0,105 a solução
8 200 17 0,085
9 200 20 0,100
10 200 25 0,125
11 200 8 0,040
12 200 24 0,120
13 200 29 0,145
14 200 18 0,090
15 200 22 0,110
3000 332
Pode-se verificar que

há duas causas
especiais de variação
atuando no
processo:
uma no dia 5 e outra
no dia 11.
Processo não está
sob controle
3
 No exemplo anterior, deve-se investigar os dois pontos para verificar se uma
causa atribuível, especial pode ser determinada. Se sim, deve-se descartar estes
pontos e qualquer outro que tenha sido influenciado e recalcular os limites, já
que os limites calculados inicialmente são considerados limites de controle
tentativos.
 Observa-se que após a introdução de procedimentos formais de controle
estatístico de processo o desempenho do processo melhora (operadores se
tornam mais conscientes).
 Pode-se testar esta observação através:
H0: p1≥p2
H a : p 1< p 2
Onde:
p1 = fração não conforme do processo nos dados iniciais
p2 = fração não conforme do processo no período corrente
Estatística de teste:
Gráfico de Controle para Atributos

 Planejamento do Gráfico de Controle para a Fração Não-conforme:
1. Tamanho da amostra;
• Se p é muito pequeno, o tamanho da amostra n deve ser grande o suficiente para se
obter alta probabilidade de encontrar ao menos uma unidade não conforme. (evita-se
alarme falso).
• Duncan (1986):
 Tamanho da amostra deve ser grande o bastante para se ter uma chance de 50%
de detectar uma mudança no processo.
 O tamanho n deve ser grande o bastante para que o gráfico tenha uma limite
inferior de controle positivo, forçando a investigação de amostras com um número
pequeno de itens não conformes.
2. Frequência da amostragem
• Relacionada com o tamanho da amostra
• Subgrupos racionais – turnos ;
3. Largura dos limites de controle.
4
Suco de laranja concentrado e congelado é embalado em
embalagens de papelão de 6 oz. Uma máquina faz essas
embalagens, enrolando o papelão e colocando um fundo
de metal. Pela inspeção de uma dessas embalagens,
pode-se determinar se, quando cheia, poderá vazar ao
longo da junta lateral do papelão ou em volta da junção
do fundo. Tal embalagem não conforme tem uma
vedação imprópria ou na junção lateral ou na junção do
fundo. Estabeleça um gráfico de controle para melhorar a
fração de embalagens não conformes produzidas por
essa máquina.
Os dados podem ser vistos a seguir:
Número de Número de
Fração
Número da Embalagens Número da Embalagens Fração Amostral
Amostral Não
Amostra Não Amostra Não Não Conforme,
Conforme,
Conformes, Di Conformes, Di
1 12 0,24 17 10 0,20
2 15 0,30 18 5 0,10
3 8 0,16 19 13 0,26
4 10 0,20 20 11 0,22
5 4 0,08 21 20 0,40
6 7 0,14 22 18 0,36
7 16 0,32 23 24 0,48
8 9 0,18 24 15 0,30
9 14 0,28 25 9 0,18
10 10 0,20 26 12 0,24
11 5 0,10 27 7 0,14
12 6 0,12 28 13 0,26
13 17 0,34 29 9 0,18
14 12 0,24 30 6 0,12
15 22 0,44 347 = 0,2313
16 8 0,16
5
 Nota-se que dois pontos,
amostras 15 e 23, se localizam
acima do LSC - O processo não
está sob controle.
 Esses pontos devem ser
investigados para identificar se
uma causa atribuível pode, ou
não, ser determinada.
 Após investigação:
 A análise dos dados da amostra 15
indica que um novo fardo de papelão foi
colocado na produção naquela meia
hora. A introdução de novos lotes de
matéria-prima pode causar
desempenho irregular de produção.
 Durante a meia hora na qual a amostra
23 foi extraída, um operador
relativamente inexperiente foi
temporariamente designado para
aquela máquina, e isso pode ter
causado a alta fração não conforme
naquela amostra.
 Consequentemente, eliminam-se as
amostras 15 e 23 e calculam-se nova linha
central e novos limites de controle como
Nota: as amostras 15 e 23 não devem ser eliminadas do gráfico, mas sim dos
cálculos dos limites de controle. Deve-se anotar estas informações no gráfico
de controle pois constituem um registro útil para futuras análises do
processo. Esta deveria ser uma prática-padrão no uso de gráficos de
controle.
6
 Após analisar a amostra 21 verificou-se que não existe nenhuma causa atribuível
razoável ou lógica para que esta estivesse pouco acima do LDC. Decidiu-se conservar o
ponto.
 Então conclui-se que o processo está sob controle no nível p = 0,2150 e que os
limites de controle revistos devem ser adotados para o monitoramento da produção
corrente.
 Embora o processo esteja sob controle, a fração não conforme é muito alta.
 O processo está operando de maneira estável e não estão presentes problemas
não usuais que sejam controláveis pelo operador.
 É pouco provável que a qualidade do processo possa ser melhorada por ação
no nível da força de trabalho.
 É necessário melhorar o desempenho, por meio de uma intervenção da
gerência no processo. O pessoal da engenharia deve analisar o processo para
melhorar sua saída. Esse estudo indica que vários ajustes podem ser feitos na
máquina.
 Após ajustes na máquina e à introdução do gráfico de controle, foram
coletadas 24 amostras adicionais, com n = 50 observações cada.
O processo está operando em um novo nível

de qualidade, que é substancialmente melhor
que o nível da linha central de p = 0,2150.
7
Deve-se testar a hipótese de que a fração não conforme do
processo após as modificações na máquina difere realmente da
fração não conforme do processo nos dados preliminares.
Considerando α = 0,05, Temos que Z0 = 7,10 > Z0,05= 1,645.

Consequentemente, rejeitamos H0 e concluímos que houve um
decréscimo significativo nas falhas do processo.
Como os ajustes na máquina foram bem-sucedidos, deve-se revisar

novamente os limites de controle, usando apenas as amostras mais
recentes (números 31–54). LSC = 0,2440; LC = 0,1108; LIC = -0,0224=0
Todos os pontos
estão dentro do
LSC revisado após
os ajustes na
máquina.
Portanto, o
processo está sob
controle nesse
novo nível.
8
 Em algumas situações o tamanho amostral n pode ser variável.
 Existem três abordagens para a construção de gráficos p com n

variável.
1. Limites de controle com largura variável;
2. Limite de controle com base em um tamanho médio de amostra;
3. Uso de um gráfico de controle padronizado.
1. Limites de controle com largura variável
 É a abordagem mais simples e consiste em determinar os limites de

controle para cada amostra individual que se baseiem no tamanho
específico da amostra.
 Se a i-ésima amostra tiver tamanho ni, então os limites de controle
superior e inferior serão:
Nota: A largura dos limites de controle é inversamente proporcional à

raiz quadrada do tamanho da amostra.
9
1. Limites de controle com largura variável - exemplo
A partir de dados (ordens semanais de compras) provenientes do setor de
compras de uma companhia aeroespacial, foi construído o gráfico de controle.
Uma unidade não conforme é uma ordem de compra com erro. Entre os erros
mais comuns: especificação incorreta de número de peças, datas de entrega
incorretas e informação incorreta do fornecedor. Estes erros podem resultar em
uma mudança da ordem de compra (dispendioso; atraso da entrega).
2. Limites de Controle com Base em um Tamanho Médio de

Amostra
 Consiste em adotar como base para o gráfico de controle um

tamanho médio de amostra, o que resulta em um conjunto
aproximado de limites de controle, que serão constantes.
 Se existir uma variação grande no tamanho de uma amostra
particular ou se um ponto se situar perto do limite de controle
aproximado, então os limites de controle exatos para aquele ponto
devem ser determinados e o ponto deve ser examinado em relação
àquele valor.
10
2. Limites de Controle com Base em um Tamanho Médio de
Amostra - exemplo
3. Uso de um gráfico de controle padronizado
 Neste caso os pontos são plotados em unidades de desvio-padrão.

 O gráfico de controle tem linha central em zero e limites de
controle superior e inferior em +3 e –3, respectivamente.
 A variável plotada no gráfico é:
 Onde p ou p é a fração não conforme do processo sob controle.
11
3. Uso de um gráfico de controle padronizado
 Difícil interpretação para os operadores porque a referência à fração
de defeituosos real do processo se “perdeu”. É recomendável a
manutenção de um gráfico de controle com limites de controle
individuais para cada amostra.
 Porém, se há grande variação no tamanho da amostra, os métodos

para reconhecimento de sequências e padrões só podem ser aplicados
com segurança ao gráfico de controle padronizado. É recomendável o
gráfico de controle padronizado para uso do engenheiro da qualidade.
 Este gráfico é similar ao anterior, com a diferença de que se deseja marcar o

número de defeituosos encontrados na amostra (número de itens não
conformes).
 Utilizado por exemplo quando o item fabricado é pequeno, mas produzido
em lotes muito grandes e o custo de fabricação é muito baixo e o tamanho do
subgrupo deve ser grande, talvez 1.000 ou mais itens.
 Pode-se utilizar uma lista de verificação para facilitar a inspeção e torná-la
mais rápida.
 Como neste gráfico se trabalha com o número de defeituosos e não a
porcentagem os limites são definidos por:
 Os gráficos n e np são operacionalmente equivalentes, produzindo exatamente as

mesmas análises. A escolha de um ou outro vai depender, principalmente, de um
julgamento de valor do gerente. Esta equivalência é fácil de se observar quando se tem
tamanho de amostra igual a 100. Se o tamanho da amostra for variável, melhor utilizar o
gráfico p (caso contrario, os limites e a LC iriam variar em cada ponto).
12
Num processo produtivo de ovos de galinha, foram
coletadas 30 amostras de tamanho 100 e os dados
podem ser vistos na tabela a seguir:
Número de Número de
Amostra itens Amostra itens
defeituosos defeituosos
1 11 16 8
2 8 17 12
3 12 18 6
4 6 19 5
5 8 20 11
6 12 21 12
7 6 22 7
8 10 23 10
9 6 24 6
10 11 25 12
11 6 26 8
12 11 27 5
13 10 28 9
14 9 29 8
15 6 30 10
Nota: Verifica-se que

o processo está sob
controle, já que
nenhum ponto
ultrapassou os
limites de controle.
13
 Item não conforme: é uma unidade do produto que não satisfaz uma ou
mais especificações do produto.
 Cada ponto particular em que uma especificação não é satisfeita resulta em
um defeito ou não conformidade. Logo, um item não conforme conterá pelo
menos uma não conformidade.
 Dependendo da natureza e gravidade, um item pode conter várias não
conformidades e não ser classificado como não conforme. (vários defeitos
cosméticos/visuais que não afetam a funcionalidade)
 Porém existem situações práticas nas quais se prefere trabalhar diretamente
com o número de defeitos ou não conformidades do que com a fração não
conforme.
• O número de soldas defeituosas em 100 m de tubulação de oleoduto;
• O número de defeitos de funcionamento em um aparelho eletrônico;
• O número de erros em um documento;
• O número de clientes que preferem abandonar um sistema de
serviços sem completar o pedido de serviço; ...
 É possível construir gráficos de controle tanto para o número total de não
conformidades (c) em uma unidade quanto para o número médio de não
conformidades por unidade (u).
 O interesse é monitorar e controlar a quantidade de não conformidades (ou

defeitos) em vez da quantidade de itens não conformes.
 A distribuição de probabilidade do número de defeitos na amostra é a de

Poisson.
 Na distribuição de Poisson, tanto a média  quanto a variância σ2 são
representadas pelo parâmetro c.
 Se não for conhecido nenhum padrão, o valor c pode ser estimado como o
número médio de não conformidades observado em uma amostra preliminar
de unidades de inspeção, representado por c.
 Entretanto, quando:
Onde k = quantidade total de amostras , pode-se utilizar a distribuição normal.
14
 A unidade de inspeção é arbitrária mas precisa ser definida (serve
para expressar a frequência: 1000m ou 100m).
 O tamanho da amostra no gráfico c é unitário, na maioria dos

casos.
 Os limites podem ser calculados com base no modelo geral do

gráfico de Shewhart, com a distância dos limites de controle a linha
central igual a 3. Tem-se os seguintes limites de controle:
Na fabricação de celulose micro cristalina em pó, de cada lote

produzido é extraída uma amostra de 30 gramas e contado o
número de pontos pretos nesta existentes. Os resultados do
acompanhamento de 30 lotes deste produto podem ser vistos na
tabela a seguir.
Pontos Pontos
Lotes Lotes
Pretos Pretos
1 8 16 16
2 12 17 15
3 56 18 6
4 14 19 23
5 10 20 21
6 12 21 36
7 8 22 20
8 10 23 21
9 28 24 35
10 20 25 31
11 10 26 28
12 8 27 10
13 12 28 8
14 35 29 12
15 20 30 10
15
Diversos pontos
encontram-se
acima do limite
superior de
controle, indicando
que o processo está
fora de controle e
instável.
 Dados sobre defeitos ou não conformidades são mais

informativos que a fração não conforme, porque sempre haverá
diferentes tipos de não conformidades.
 Analisando os tipos das não conformidades, pode-se

identificar suas causas. (útil no desenvolvimento dos planos de
ação para fora de controle - PAFC).
 Ferramentas utilizadas: Diagrama de Pareto, Diagrama de

Causa e Efeito
16
 O número de defeitos por unidade de inspeção (u) é definido
como sendo a razão entre o número de defeitos na amostra (c) e o
tamanho da unidade (n).
u=c/n
 O gráfico u é derivado diretamente do gráfico c, onde tem-se
subgrupos de tamanho n.
 Por unidade de inspeção se entende uma certa quantidade de

itens, comprimento, volume, tempo, etc. tomada como adequada
para finalidade de inspeção.
 Os limites estão podem ser definidos como:
No exemplo anterior, dos pontos pretos encontrados em amostras

de celulose, foi estabelecido um gráfico c, pois o tamanho da
amostra era constante e igual 30 g.
Se por razões de economia, a empresa decide reduzir o tamanho da
amostra para 15 g.
Podemos considerar que inicialmente tinha-se uma unidade de

inspeção (ui) e que agora há somente meia ui. Ou seja, se:
30g = 1ui => 15g = 0,5ui.
Pode-se também dizer que antes n=1 e agora n=0,5.
Logo, os novos limites de controle (com a mudança de n) ficam:
17
Na fabricação de copos de cristal a quantidade de não
conformidades em 26 amostras de tamanho 200 podem ser
visualizados na tabela a seguir.
Número de não Número de não

Lotes Lotes
conformidades conformidades
1 8 14 15
2 15 15 6
3 17 16 14
4 12 17 9
5 6 18 15
6 5 19 8
7 18 20 7
8 4 21 18
9 7 22 6
10 6 23 8
11 18 24 12
12 16 25 5
13 6 26 12
18
 Os gráficos de controle para não conformidades normalmente são
formados com o uso de 100% de inspeção do produto. Logo, o número
de unidades de inspeção em uma amostra pode ser variável.
1. Limites de controle com largura variável;
2. Limite de controle com base em um tamanho médio de amostra;
3. Uso de um gráfico de controle padronizado.

Com :
LCS = +3
LC = 0
LCS = –3
Tamanhos Mínimos de Amostras

 Ao se trabalhar com atributos, é necessário garantir
que as amostras tenham tamanhos mínimos para que
haja oportunidade do aparecimento dos problemas.
 Amostras muito pequenas fazem com que os gráficos

de controle se tornem totalmente ineficazes.
 Para os gráficos p e np serem eficazes, deve-se ter:

np≥5
n (1 - p) ≥ 5
 Para gráficos c ou u serem eficazes, deve se ter:

c>5
19
Seleção do Gráfico de Controle Adequado
A escolha do Gráfico de Controle para Atributos é feita em função de dois itens:
a categoria de gráfico (classificação ou contagem) e o tamanho da amostra (fixo
ou variável).
Gráfico de Controle para Atributos - Resumo
20
Gráfico de Controle para Atributos – Ex 1
A tabela abaixo contém dados da análise de reivindicações de seguro
médico. A cada dia, 50 reivindicações foram examinadas.
a) Estabeleça o gráfico de controle da fração não conforme para esse
processo. O processo está sob controle estatístico?
b) Suponha que causas atribuíveis possam ser encontradas para
quaisquer pontos fora de controle nesse gráfico. Qual linha central
e quais limites de controle devem ser usados para o
monitoramento do processo no próximo período?
c) O gráfico de controle da fração não conforme tem LIC = 0.
Suponha que o gráfico de controle revisado tenha uma estimativa
confiável da fração não conforme do processo. Qual tamanho de
amostra deve ser usado para se garantir que LIC > 0?
Fração defeituosa = p
n= 50
m=20
p = d/n

a. Limites de controle:
P Chart of Número de Não Conformes

1
0,4
Pode-se verificar uma
causa especial de
0,3
variação atuando no
processo, no dia 16.
Proportion
UCL=0,2381
0,2
Processo não está sob
0,1
_
P=0,107
controle
0,0 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
21
b) Suponha que causas atribuíveis possam ser encontradas para
quaisquer pontos fora de controle nesse gráfico. Qual linha central
e quais limites de controle devem ser usados para o
monitoramento do processo no próximo período?
Nenhum outro dia apresenta sinal de fora de controle.

Os limites para monitorar o processo podem ser:
LSC = 0,2139
LC= 0,0916
LIC = 0

c) O gráfico de controle da fração não conforme tem LIC = 0.
Suponha que o gráfico de controle revisado tenha uma estimativa
confiável da fração não conforme do processo. Qual tamanho de
amostra deve ser usado para se garantir que LIC > 0?
, ∗
n=
,
n= 89,25 ~ 90
22
Reconsidere os dados de reivindicações de seguro do exercício 1.
Estabeleça um gráfico de controle np para esses dados e marque-os
no gráfico. Compare esse gráfico com o gráfico de controle da fração
não conforme do exercício 1.
NP Chart of Número de Não Conformes

1
20
De forma similar com o
gráfico p o processo está
15
fora de controle
estatístico. No dia 16, as
Sample Count
UCL=11,91
10 amostras excedem o
limite superior de
__
5 NP=5,35 controle, sinalizando uma
causa especial de que
deve avaliada.
0 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample

Removendo o dia 16 do cálculo dos limites de controle, os limites que
podem ser usados para monitorar o processos são:
LSC = 10,70
LC= 4,58
LIC = 0
23
Um processo que produz aros de roda de titânio para automóveis com
motores turbinados deve ser controlado pelo uso do gráfico para a fração
não conforme. Inicialmente, uma amostra de tamanho 150 é tirada a cada
dia, durante 20 dias, e os resultados observados são mostrados na
tabela.
a) Estabeleça um gráfico de controle para monitorar a produção futura.
b) Qual é o menor tamanho de amostra que pode ser usado para esse
processo que ainda forneça um limite inferior de controle positivo para
o gráfico?
n= 150
m=20
p = d/n

P Chart of Unidades Não Conformes

0,05
UCL=0,04802
0,04
0,03
Proportion
0,02 _
P=0,01667
0,01
0,00 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
24
b) Qual é o menor tamanho de amostra que pode ser usado para
esse processo que ainda forneça um limite inferior de controle
positivo para o gráfico?
, ∗
n>
,
n > 529,9
n= 530
Considere um gráfico np com limites de controle de k sigmas.

Deduza uma fórmula geral para se determinar o tamanho mínimo da
amostra que garanta que o gráfico tenha limite inferior de controle
positivo.
Limites de controle para o gráfico np:
𝐿𝐼𝐶 = 𝑛𝑝̅ - k 𝑛𝑝̅ (1 − 𝑝̅ ) >0
25
Por que o uso do gráfico np não é apropriado com tamanho

variável de amostra?
O gráfico np não é apropriado para tamanho variável de amostra

porque a linha central (centro do processo – np) mudaria para
cada valor de n

Um processo produz correias de transmissão de borracha em lotes
de tamanho 2500. Os registros de inspeção dos últimos 20 lotes
mostram os dados na tabela.
a) Calcule os limites de controle tentativos para um gráfico de
controle para a fração não conforme.
b) Se você desejasse estabelecer um gráfico de controle para
controlar a produção futura, como usaria esses dados para obter
a linha central e os limites de controle para o gráfico.
c) Ache o gráfico np equivalente
n= 2500
m=20
p = d/n
26
P Chart of Unidades Não Conformes

0,200
1
1
0,175 1
1
1
0,150
UCL=0,1425
Proportion
_
0,125 P=0,1228
0,100 LCL=0,1031
1 1
1 1
0,075 1
0,050 1
1 3 5 7 9 11 13 15 17 19
Sample

b) Se você desejasse estabelecer um gráfico de controle para
controlar a produção futura, como usaria esses dados para obter
a linha central e os limites de controle para o gráfico.
Como muitos subgrupos estão fora de controle (11 de 20) os dados

não podem ser usados para estabelecer limites de controle para
controlar a produção futura. O processo deve ser investigado para
identificar as causas desta variação do p.
27
c) Ache o gráfico np equivalente
LC= np = 2500 (0,1228) = 307
Limites de controle:
NP Chart of Unidades Não Conformes

500 Como no gráfico p muitos
subgrupos estão fora de
1
1
1
controle (11 de 20)

1
1
400
UCL=356,3
indicando que estes
Sample Count
__
300 NP=307,1
dados não podem ser
LCL=257,8
usados para estabelecer
limites de controle para
1 1
1 1
200
1
controlar a produção
futura.
1
100
1 3 5 7 9 11 13 15 17 19
Sample

Foram contados os defeitos de superfície de 25 placas de aço
retangulares, e os dados são mostrados na tabela. Estabeleça um
gráfico de controle para não conformidades usando esses dados. O
processo de produção das placas parece estar sob controle
estatístico?
28
Limites de controle:
C Chart of Número de Não Conformidades

9
1
8
7 UCL=6,969
6
O processo está fora de
Sample Count
5
controle estatístico.
4
3 _
C=2,36
2
0 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample

Uma fábrica de papel usa um gráfico de controle para monitorar
imperfeições nos rolos de papel acabados. O resultado da
produção é inspecionado durante 20 dias, e os dados resultantes
são mostrados na tabela.
a. Use esses dados para estabelecer um gráfico de controle para
não conformidades por rolo de papel. O processo parece estar
sob controle estatístico?
b. Qual linha central e quais limites de controle você recomendaria
para controlar a produção corrente?
c. Estabeleça um gráfico u, com base no tamanho médio da
amostra, para controlar esse processo.
29
O processo está sob

b. Qual linha central e quais limites de controle você recomendaria

para controlar a produção corrente?
Usaria o seguinte gráfico de controle:

LC = 0,701
LSC = 1,249
LIC = 0,153
30
c. Estabeleça um gráfico u, com base no tamanho médio da
amostra, para controlar esse processo.
Tamanho médio da amostra = 411/20 = 20,55
U Chart of Número Total de Imperfeições

1,4
UCL=1,289 O processo está sob
controle.
1,2
Sample Count Per Unit
1,0
0,8 _
U=0,72
O Minitab só aceita
0,6 valores inteiros para n,
0,4
logo usa-se tamanho da
0,2
amostra = 20 e examina
LCL=0,151
cuidadosamente os
pontos próximos dos
0,0
1 3 5 7 9 11 13 15 17 19
Sample
limites de controle

Os dados na tabela representam o número de não conformidades por 1000
metros em cabos de telefone.
a. Pela análise desses dados, você concluiria que o processo está sob controle
estatístico?
b. Que procedimento de controle você recomendaria para a produção futura?
c. Suponha que uma nova unidade de inspeção seja definida como 2500 m de
cabo. Quais são a linha central e os limites de controle para um gráfico de
controle para monitorar a produção com base no número total de não
conformidades na nova unidade de inspeção?
d. Quais são a linha central e os limites de controle para um gráfico de
controle para a média de não conformidades por unidade, usado para
monitorar a produção futura?
31

25 1
1
20
O processo não está sob
1
UCL=17,38
Sample Count
15
10 _ Três subgrupos estão

C=8,59
acima do LSC.
5
0 LCL=0
1 3 5 7 9 11 13 15 17 19 21
Sample

b. Que procedimento de controle você recomendaria para a produção
futura?
25 1
Investigaria as não conformidades e 1
excluiria os subgrupos 10,11 e 22 que

20 1
estão fora dos limites e recalcularia os

1
Sample Count
15 UCL=14,36
limites de controle. 10
_
C=6,63
5
Excluiria os subgrupos 10,11,15 e 22

0 LCL=0
1 3 5 7 9 11 13 15 17 19 21
que estão fora e recalcularia os limites

Sample
de controle.
Para a produção futura, recomendaria

usar o gráfico c, com:
LC = 6,17
LSC = 13,62
LIC = 0
32
c. Suponha que uma nova unidade de inspeção seja definida como 2500
m de cabo. Quais são a linha central e os limites de controle para um
gráfico de controle para monitorar a produção com base no número
total de não conformidades na nova unidade de inspeção?
A nova unidade de inspeção é:

n= 2500/1000 = 2,5 da antiga unidade de inspeção.
O uso de um gráfico c para o numero total de não conformidades por

unidade de inspeção é apropriado.

d. Quais são a linha central e os limites de controle para um gráfico
de controle para a média de não conformidades por unidade,
usado para monitorar a produção futura?
A amostra para a nova unidade de inspeção é n=1
O uso do gráfico u para a média de não conformidades por unidade de

inspeção é apropriado.
LC = u = total de não conformidades = 111 =15,42

total de unidades de inspeção (18x1000)/2500
33
Um fabricante de automóveis deseja controlar o número de não conformidades
em uma área de submontagem que produz transmissões manuais. A unidade de
inspeção é definida como quatro transmissões, e os dados para 16 amostras
(cada uma de tamanho 4) são mostrados na tabela.
a. Estabeleça um gráfico de controle para não conformidades por unidade.

b. Esses dados provêm de um processo sob controle? Se não, suponha que
causas atribuíveis possam ser encontradas para todos os pontos fora de
controle, e calcule os parâmetros revisados para o gráfico de controle.
c. Suponha que a unidade de inspeção seja redefinida como oito transmissões.
Estabeleça um gráfico de controle apropriado para monitorar a produção
futura.

U Chart of Número de Não Conformidades
1,4 UCL=1,396
1,2
O processo está
1,0
sob controle
0,8
estatístico
0,6
_
0,4 U=0,422
0,2
0,0 LCL=0
1 3 5 7 9 11 13 15
Sample
34
b. Esses dados provêm de um processo sob controle? Se não,

suponha que causas atribuíveis possam ser encontradas para
todos os pontos fora de controle, e calcule os parâmetros
revisados para o gráfico de controle.
O processo está sob controle estatístico, não necessitando que

seus parâmetros sejam recalculados.

c. Suponha que a unidade de inspeção seja redefinida como oito
transmissões. Estabeleça um gráfico de controle apropriado para
monitorar a produção futura.
A nova amostra é:
n= 8/4 = 2 unidades de inspeção.
Entretanto, desde que o gráfico esteja estabilizado para média de não

conformidades por unidade (u), os mesmos limites de controle podem ser
utilizados para controlar a produção futura com a mesma amostra.
Se este fosse um gráfico c para o total de não conformidades da amostra,

seria necessário a revisão dos limites de controle.
35
Ache os limites de controle três sigmas para:
a. um gráfico c, com média do processo igual a nove não conformidades
b. um gráfico u, com c = 16 e n = 4.

Uma agência de polícia metropolitana
está estudando a incidência de
motoristas que dirigem seus veículos
sem o mínimo de responsabilidade de
seguro exigida por lei. Os dados
foram coletados de motoristas que
foram parados por um policial por
alguma violação de tráfego e
receberam uma citação. Os dados de
três turnos durante um período de
dez dias são mostrados na tabela.
a. Estabeleça um gráfico u para esses
dados. O processo está sob
controle estatístico?
b. Esses dados são consistentes com
a hipótese de que cerca de 10%
dos motoristas trafegam sem
cobertura apropriada de seguro?
36
a. Gráfico de controle do tipo u
U Chart of Número de Motoristas sem Seguro

0,30
0,25
UCL=0,2148
0,20
0,15
0,10 _ O processo está

U=0,0878
sob controle
0,05
estatístico
0,00 LCL=0
1 4 7 10 13 16 19 22 25 28
Sample
Tests performed with unequal sample sizes

b. Esses dados são consistentes com a hipótese de que cerca de 10%
dos motoristas trafegam sem cobertura apropriada de seguro?
n = 30
Teste de hipóteses:
H0: µ = 10
Ha: µ ≠ 10
Teste t – desvio padrão da população não é conhecido
P valor ≤ α →
rejeitar Ho
37
Responda:
1. Uma fábrica têxtil deseja estabelecer um procedimento de controle para falhas
nas toalhas que fabrica. Com uma unidade de inspeção de 50 unidades,
inspeções passadas mostraram que 100 unidades de inspeção anteriores tiveram
um total de 850 falhas. Que tipo de gráfico de controle é apropriado?
Um gráfico c com a unidade de inspeção igual a 50 unidades de produção é

apropriado.
c = 850/100 = 8,5
2. O fabricante deseja estabelecer um gráfico de controle na estação de inspeção

final para aquecedores de água a gás. Defeitos de acabamento e características
de qualidade visuais são checados nessa inspeção. Durante os últimos 22 dias
de trabalho, 176 aquecedores de água foram inspecionados e um total de 924
não conformidades foi relatado. Que tipo de gráfico de controle você
recomendaria?
Um gráfico c.
c = 924/176 = 5,25
38

Aula 14 - Gráficos de Controle para Atributos

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Aula 14 - Gráficos de Controle para Atributos

Загружено:

Авторское право:

Доступные форматы

 São utilizados quando as características da qualidade são melhor

representadas pela presença ou ausência de um atributo, e não por

 Podem ser utilizados nas seguintes situações:

1. Quando o número de características a controlar em cada produto é

2. Quando em lugar de mensurações convém empregar calibradores

3. Quando o custo de mensuração é elevado em relação ao custo da

4. Quando a verificação da qualidade pode ser feita por simples

 Muito utilizado na área de serviços e nos esforços de melhoria da

 Os principais tipos de Gráfico são:

1. Gráficos de p: para o controle da proporção de unidades defeituosas

2. Gráficos de np: para o controle do número de unidades defeituosas

3. Gráficos de c: para o controle do número de defeitos por amostra ou

4. Gráficos de u: para o controle do número de defeitos por unidade de

 É recomendado a aplicação de Gráficos de Pareto para

 Entretanto, se os tamanhos das amostras forem grandes para atenderem:

np>5 e n(1-p)>5, onde pode-se utilizar a distribuição normal.

 Considerando que  = p e que σ2 = p(1- p)/n e adotando o modelo geral do

Onde: p = estatística que estima a fração

Numa indústria farmacêutica, diariamente são

Pode-se verificar que

Gráfico de Controle para Atributos

3. Largura dos limites de controle.

O processo está operando em um novo nível

Considerando α = 0,05, Temos que Z0 = 7,10 > Z0,05= 1,645.

Como os ajustes na máquina foram bem-sucedidos, deve-se revisar

 Existem três abordagens para a construção de gráficos p com n

1. Limites de controle com largura variável;

2. Limite de controle com base em um tamanho médio de amostra;

3. Uso de um gráfico de controle padronizado.

1. Limites de controle com largura variável

 É a abordagem mais simples e consiste em determinar os limites de

Nota: A largura dos limites de controle é inversamente proporcional à

2. Limites de Controle com Base em um Tamanho Médio de

 Consiste em adotar como base para o gráfico de controle um

3. Uso de um gráfico de controle padronizado

 Neste caso os pontos são plotados em unidades de desvio-padrão.

 Onde p ou p é a fração não conforme do processo sob controle.

 Porém, se há grande variação no tamanho da amostra, os métodos

 Este gráfico é similar ao anterior, com a diferença de que se deseja marcar o

 Os gráficos n e np são operacionalmente equivalentes, produzindo exatamente as

Nota: Verifica-se que

 O interesse é monitorar e controlar a quantidade de não conformidades (ou

 A distribuição de probabilidade do número de defeitos na amostra é a de

Onde k = quantidade total de amostras , pode-se utilizar a distribuição normal.

 O tamanho da amostra no gráfico c é unitário, na maioria dos

 Os limites podem ser calculados com base no modelo geral do

Na fabricação de celulose micro cristalina em pó, de cada lote

 Dados sobre defeitos ou não conformidades são mais

 Analisando os tipos das não conformidades, pode-se

 Ferramentas utilizadas: Diagrama de Pareto, Diagrama de

 Por unidade de inspeção se entende uma certa quantidade de

 Os limites estão podem ser definidos como:

No exemplo anterior, dos pontos pretos encontrados em amostras

Podemos considerar que inicialmente tinha-se uma unidade de

Pode-se também dizer que antes n=1 e agora n=0,5.

Logo, os novos limites de controle (com a mudança de n) ficam:

Número de não Número de não

1. Limites de controle com largura variável;

2. Limite de controle com base em um tamanho médio de amostra;

3. Uso de um gráfico de controle padronizado.

Tamanhos Mínimos de Amostras

 Amostras muito pequenas fazem com que os gráficos