Академический Документы
Профессиональный Документы
Культура Документы
Capítulo 6
(montgomery)
Gráficos de Controle para Atributos
Introdução
– Muitas características da qualidade não podem ser
representadas numericamente.
– Nestes casos, classificamos cada item
inspecionado como conforme ou não-conforme
– Tais características são chamadas de atributos.
Exemplos: Haste empenada, Chips que não funcionam,
Embalagens com defeitos.
– Os gráficos de atributos não são tão informativos
quanto o de variáveis.
Uma medida numérica retém mais informação do que uma
classificação: conforme ou não-conforme
Gráficos de Controle para Atributos
Introdução
– Por outro lado, esses gráficos tem aplicações
importantes:
Na indústria de serviços ou na melhoria da qualidade fora
da indústria muitas características não são mensuradas
em escala numérica. Por exemplo: Satisfação com um
serviço.
– Iremos estudas 3 gráficos para atributos
Gráfico p: analisa a fração de itens não-conformes
Gráfico c: analisa o número de defeitos ou não-conformes
Gráfico u: analisa o número de defeitos por unidade
produzida
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Introdução
– Fração não conforme: definida como a razão entre
o número de itens não-conformes em uma
população e o total de itens naquela população;
– Um item pode ter várias características da
qualidade que são examinadas. Se ao menos uma
não satisfaz o padrão, ele é classificado como não-
conforme;
– Os princípios estatísticos para construção do
Gráfico p se baseiam na distribuição Binomial.
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Suposições
– p = probabilidade de que uma unidade (item) não
esteja dentro dos padrões de especificação
– As sucessivas unidades produzidas são
independentes
– Logo, cada unidade produzida segue uma
distribuição de Bernoulli (p)
– Se uma amostra aleatória de n unidades é
selecionada e se D é o número de unidades não
conformes, então
D ~ Binomial (n, p)
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
– Logo
n x
P ( D = x) = p (1 − p) n − x , x = 0,1,K, n.
x
Suposições
– Fração amostral não-conforme: razão entre o
número de unidades não-conformes na amostra (D)
e o tamanho da amostra (n)
D
pˆ =
n
– Da aproximação da Binomial para Normal, temos
que
p (1 − p )
pˆ ~ Normal p,
n
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Desenvolvimento e Operação
– Suponha que a verdadeira fração não-conforme (p)
é conhecida ou especificada. Logo, a linha central e
os limites de controle do Gráfico p são definidos
por
p(1 − p )
LSC = p + 3
n
LM = p
p (1 − p )
LIC = p − 3
n
p (1 − p )
– O desvio padrão do processo é dado por σ p = n
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Desenvolvimento e Operação
– No entanto, normalmente a fração não-conforme
(p) não é conhecida e precisa ser estimada a partir
dos dados observados.
– A operação deste gráfico consiste em:
Tomada de amostras subsequentes de tamanho n;
Calculo da fração amostral não conforme p̂ ;
Marcação de p̂ no gráfico;
Verificar se o processo se encontra sob controle (idêntico
ao gráfico para variáveis).
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
p (1 − p )
LIC = p − L >0
n
Logo
(1 − p ) 2
n> L
p
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
– Exemplo:
p = 0,05
L=3
(1 − p ) 2 (1 − 0,05) 2
n> L = (3) ≅ 171
p 0,05
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Considerações
– O Gráfico p não é um modelo universal para
monitorar dados sobre fração de não conformes;
– Lembre-se que o Gráfico p baseia-se no modelo
Binomial
Probabilidade de ocorrência de uma unidade não
conforme é constante
As unidades de produção sucessivas são independentes
– O Gráfico p não é válido quando, por exemplo,
Probabilidade de uma unidade não conforme depende da
unidade anterior ter sido não conforme (ou não)
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Considerações
– Deve-se ter cautela ao analisar pontos que se
localizam abaixo do limite inferior de controle. Tais
pontos podem não representar melhoria real na
qualidade do processo. Segundo Montgomery, isso
pode ocorrer devido
Erros no processo de inspeção
Inspetores inadequadamente treinados ou inexperientes
Equipamentos de inspeção inadequadamente calibrados
Omissão de unidades não conformes por inspetores
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Exemplo
– Suco de Laranja é embalado em caixas de papelão.
O vazamento do suco devido a uma falha de
vedação na caixa caracteriza-se como uma
característica da qualidade.
– Deseja-se estabelecer um gráfico de controle para
melhorar a fração de embalagens não-conforme
produzidas por uma máquina.
– Considere que foram selecionadas 30 amostras,
com n=50 embalagens cada.
Gráficos de Controle para Fração
de Não Conformes (Gráfico p)
Exemplo
m
∑D
i =1
i
347
p= = = 0,2313
mn (30)(50)
p (1 − p ) 0,2313(1 − 0,2313)
LSC = p + 3 = 0,2313 + 3 = 0,4102
n 50
LM = p = 0,2313
p (1 − p ) 0,2313(1 − 0,2313)
LIC = p − 3 = 0,2313 − 3 = 0,0524
n 50
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
P Chart
0.5 1 Nov o Operador
1 Nov o Material
0.4 UCL=0.4102
Proportion
0.3
_
P=0.2313
0.2
0.1
LCL=0.0524
0.0
1 4 7 10 13 16 19 22 25 28
Sample
0.3
_
P=0.215
0.2
0.1
LCL=0.0407
0.0
1 4 7 10 13 16 19 22 25 28
Sample
∑n
i =1
i
LIC = p − 3
p (1 − p )
ni
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
m p (1 − p )
LSC = p + 3
∑n
i =1
i n
n= p (1 − p )
m LIC = p − 3
n
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Tamanho de
Amostra
Variável
– Exemplo
Abordagem 1
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Exemplo Abordagem 1
m
∑D
i =1
i
234
p= m
= = 0,096
2450
∑n
i =1
i
p (1 − p ) 0,096(0,904)
LSC = p + 3 = 0,096 + 3
ni ni
LM = p = 0,096
p (1 − p ) 0,096(0,904)
LIC = p − 3 = 0,096 − 3
ni ni
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
P Chart
0.2
3.0SL=0.1885
Proportion
0.1 P=0.09551
0.0 -3.0SL=0.002565
0 5 10 15 20 25
Sample Number
Exemplo
Abordagem 3
pˆ i − p
Zi = =
p (1 − p )
ni
pˆ i − 0,096
Zi =
0,096(0,904)
ni
Gráficos de Controle para Fração
de Não-Conformes (Gráfico p)
Gráfico de Controle Padronizado
4
1
Escore Z
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
-1
-2
-3
-4
Subgrupo
Considerações
– Aplicações não-industriais
1.0
0.9
0.8
0.7
0.6
Beta
0.5
0.4
0.3
0.2
0.1
0.0
0.01 0.03 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55
p
Gráficos de Controle para o
Número de Defeitos (Gráfico c)
Introdução
– Dependendo de sua natureza e gravidade, é
possível que um item contenha vários defeitos de
fabricação (não conformidades)
– Há várias situações práticas onde é preferível
trabalhar com o número de defeitos ao invés da
fração não conforme
Introdução
– É possível construir gráficos de controle tanto para
o número total de defeitos em uma unidade,
quanto para o número médio de defeitos por
unidade.
– Uma unidade de inspeção pode ser um subgrupo
(de tamanho constante) de itens
5 rádios
1 TV
Uma área de 4m2
Gráficos de Controle para o
Número de Defeitos (Gráfico c)
Suposições
– Esses gráficos supõem que o número de defeitos
por unidade de inspeção é bem modelado pela
distribuição de Poisson
– Além disso,
O número de locais potenciais para defeitos deve ser
grande
Probabilidade de ocorrência de um defeito em qualquer
local é a mesma (constante)
A unidade de inspeção deve ser a mesma para cada
amostra
Gráficos de Controle para o
Número de Defeitos (Gráfico c)
Suposições
– Considere que X = número de defeitos em uma
inspeção segue a distribuição Poisson
unidade de inspeção,
com parâmetro “c”
−c x
e c
P ( X = x) = , x = 0,1,2, K
x!
– Sabe-se que, E(X) = c e Var(X) = c
Gráficos de Controle para o
Número de Defeitos (Gráfico c)
Desenvolvimento e Operação
– Suponha conhecido ou especificado o verdadeiro
número de defeitos. Logo, a linha central e os
limites(*) de controle do Gráfico c são definidos por
LSC = c + 3 c
LM = c
LIC = c − 3 c
– (*) O risco α não é igualmente alocado para LIC/LSC já que a distribuição de Poisson é
assimétrica. Alguns autores sugerem o uso de limites probabilísticos.
Gráficos de Controle para o
Número de Defeitos (Gráfico c)
Desenvolvimento e Operação
– O desvio padrão do processo é dado por
σc = c
– Entretanto, normalmente o verdadeiro número de defeitos (c)
não é conhecido e precisa ser estimado. Seja c o número
médio de defeitos observado em uma amostra preliminar de
unidades de inspeção, temos que
LSC = c + 3 c
LM = c
LIC = c − 3 c
Gráficos de Controle para o
Número de Defeitos (Gráfico c)
Desenvolvimento e Operação
Exemplo
– Considere o número de
defeitos observados em
26 amostras sucessivas
de 100 placas de
circuito impresso. (1
amostra = 1 unidade de
inspeção)
516
c= = 19,85
26
Gráficos de Controle para o
Número de Defeitos (Gráfico c)
Exemplo
– Assim, os limites de controles tentativos são dados
por
LSC = c + 3 c = 19,85 + 3 19,85 = 33,22
LM = c = 19,85
LIC = c − 3 c = 19,85 − 3 19,85 = 6,48
– O desvio padrão do processo pode ser estimado
por
σˆ c = c = 19,85 = 4,46
Gráficos de Controle para o
Número de Defeitos (Gráfico c)
C Chart
40 1 Controle de
Temperatura
UCL=33.22
30
Sample Count
_
20 C=19.85
10
LCL=6.48
1 Erro de inspeção
0
1 4 7 10 13 16 19 22 25
Sample
30
25
Sample Countt
_
20 C=19.67
15
10
LCL=6.36
5
1 3 5 7 9 11 13 15 17 19 21 23
Sample
30
25
Sample Countt
_
20 C=19.67
15
10
LCL=6.36
5
25 27 29 31 33 35 37 39 41 43
Sample
Análise Adicional
– Dados sobre defeitos são mais informativos que a
fração não conforme.
– É possível identificar os diferentes tipos de defeitos.
– Através de um Gráfico de Pareto ou Diagrama de
Causa-Efeito pode-se identificar a causa mais
frequente.
– Tal informação é de grande utilidade no
desenvolvimento de planos de ação que devem
acompanhar os gráficos de controle
Gráfico u
Introdução
Exemplo
– Assim, os limites de controles tentativos são dados por
u 1,93
LSC = u + 3 = 1,93 + 3 = 3,79
n 5
LM = u = 1,93
u 1,93
LIC = u + 3 = 1,93 − 3 = 0,07
n 5
– O desvio padrão do processo pode ser estimado por
u 1,93
σˆ u = = = 0,62
n 5
Gráfico u
U Chart
4
UCL=3,794
3
er Unit
Sample Count Pe
_
2 U=1,93
0 LCL=0,066
2 4 6 8 10 12 14 16 18 20
Sample
∑x
i =1
i
LM = u
u= m u
LIC = u − 3
∑n
i =1
i ni
Gráfico u – Amostra variável
∑x
i =1
i
153
u= m
= = 1,42
107,5
∑n
i =1
i
Gráfico u – Amostra variável
Exemplo
– Assim, os limites de controles tentativos são dados por
u 1,42
LSC = u + 3 = 1,42 + 3
ni ni
LM = u = 1,42
u 1,42
LIC = u + 3 = 1,42 − 3
n ni
Gráfico u – Amostra Variável
U Chart (unequal sample sizes)
3,0
2,5 UCL=2,436
er Unit
2,0
Sample Count Pe
1,5 _
U=1,423
1,0
0,5
LCL=0,411
0,0
1 2 3 4 5 6 7 8 9 10
Sample
1,0
0,9
0,8
0,7
0,6
Beta
0,5
0,4
0,3
0,2
0,1
0,0
1 3 5 7 10 15 25 33 35 40
c = 19,85
“Gráfico c” e “Gráfico u”