Beruflich Dokumente
Kultur Dokumente
Controle de Qualidade
Toledo PR
2017
SUMRIO
4. Inspeo de Qualidade....................................................................... 29
BIBLIOGRAFIA................................................................................... 36
Embora ningum possa voltar atrs e fazer um novo comeo...qualquer um
pode comear agora e fazer um novo fim.(Chico Xavier)
APRESENTAO
1.1 Grficos X R
LSCX x A2 R
LM X x
LICX x A2 R
LSCR D4 R
LM R R
LICR D3 R
onde:
k d , d k 3
A
2
, D 1 k
4
3
D 1 k
3
3 ,
d 2
n d2
d 2
x
0
R
0
d
2
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 2
LSCR W0,999( R / d 2 )
LM R R
LICR W0,001( R / d 2 )
1.2 Grficos X S
1.2.1 Grficos X S (Amostra constante)
Este tipo de grfico preferido ao grficos X R quando:
1- ou o tamanho da amostra grande (maior que 5 ),
2- ou o tamanho da amostra varivel.
k S
LSC X X
n c4
LM X X
k S
LIC X X
n c4
Para k=3 temos que:
3 S
LSC X X
n c4
LM X X
3 S
LIC X X
n c4
ou
LSCX X A3 S
LM X X
LICX X A3 S
3
onde A3
c4 n
1 c4
2
LSCS (1 k . )S
c4
LM S S
1 c4
2
LICS (1 k. )S
c4
ou para k=3
LSCS B4 S
LM S S
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 5
LICS B3 S
3 3 4n 4
B4 1 (1 c4 ) ; B3 1 (1 c4 ) ; c4
2 2
onde
c4 c4 4n 3
n
m (x i x)2
S Si / m ; S 2 i 1
i 1 n 1
x
0
S
0
c4
n x i i
x i 1
m
n
i 1
i
(n i 1) S i2
S2 i 1
m
(n
i 1
i 1)
m ni m
( x j xi ) 2
i 1 j 1
(n i 1) S i2
S m
i 1
m
ni m
i 1
ni 1
i m
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 6
S i
S i 1
n i
n i 1
m
Para os casos onde o tamanho mdio no um nmero inteiro, podemos fazer uso do
tamanho modal das amostras (o tamanho mais comum) em lugar do tamanho mdio.
LSN o 3 o
LIN o 3 o
R
LSN X 3
d2
R
LIN X 3
d2
R
LSC X 3
d2 n
R
LIC X 3
d2 n
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 7
para grande parte dos ndices, quanto maior o seu valor, melhor o processo consegue atender
s especificaes. Existem vrios ndices de capacidade do processo. Dentre eles, os ndices
Cp, Cpk e Com, dados pelas expresses a seguir, so os mais usuais.
LSE LIE
Cp
6
LSE LIE
Cpk Min ,
3 3
LIE o
Z LIE
o
LSE o
Z LSE
o
Alarme falso no grfico de X corresponde a algum valor de controle que caia fora da
faixa de controle. A probabilidade disso ocorrer de .
Se quisermos calcular a probabilidade de retirarmos d amostras sucessivas e apenas
a ltima cair fora da faixa de controle, teremos que:
Pr[L d ] (1 ) d 1. d=1,2,3,4
Essa distribuio uma distribuio geomtrica e sua mdia portanto 1/. Assim
temos que:
1
NMAF
NMAF o nmero mdio de amostras at um alarme falso. Em outras palavras, com
limites de k=3, teremos =0,0027 e NMAF=370,4, ou seja, um alarme falso a cada 370,4
amostras. Caso o usurio considere essa freqncia de alarmes falsos inaceitvel, a alternativa
consiste em alargar os limites de controle com a diminuio de , ou seja, com o aumento de
k. Passando k para 3,1, teremos um risco de alarme falso () de 0,0019. A cada 516,7
amostras ocorrer um alarme falso em mdia. Se uma amostra retirada do processo a cada
15 minutos, ento teremos um alarme falso a cada 129 horas de produo.
O tamanho da amostra no afeta a probabilidade de alarme falso.
Se por um lado o tamanho da amostra no afeta a probabilidade de alarme falso, por
outro lado o tamanho da amostra tem grande influncia no poder do grfico de controle (Pd).
Pd 1
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 10
1 0
Considerando que
0 , teremos que:
Z / 2 n Z / 2 n
Pd 1 Z / 2 n Z /2 n
Essa distribuio uma distribuio geomtrica e sua mdia portanto 1/Pd. Assim
temos que:
1
NMA
Pd
NMA o nmero mdio de amostras at um alarme verdadeiro. Em outras palavras,
com limites de k=3, teremos =0,0027 e NMAF=370,4, ou seja, um alarme falso a cada
370,4 amostras. Caso o usurio considere essa freqncia de alarmes falsos inaceitvel, a
alternativa consiste em alargar os limites de controle com a diminuio de , ou seja, com o
aumento de k. Passando k para 3,1, teremos um risco de alarme falso () de 0,0019. A cada
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 11
516,7 amostras ocorrer um alarme falso em mdia. Se uma amostra retirada do processo a
cada 15 minutos, ento teremos um alarme falso a cada 129 horas de produo.
1 Pr[LICR R LSCR o ]
A distribuio de R no simtrica por isso devemos fazer algumas modificaes
para obtermos a distribuio W(=R/) e a podermos utilizar as tabelas para W para encontrar
a probabilidade de alarme falso.
A probabilidade de alarme falso dada por:
1 Pr[LICR R LSCR n no ; o ]
1 Pr{max[ 0, (d 2 kd3 ) o ] R (d 2 kd3 ) o n no ; o }
Dividindo todos os membros da dupla inequao por =o, obteremos:
R (d 2 kd3 ) o
Pd Pr[W LSCR n no ; o ]
o
(d 2 kd3 )
Pd Pr[W n no ]
O risco , de um alarme falso para os dois grficos ao mesmo tempo dado por:
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 13
X R X . R
O Pd para os dois grficos ao mesmo tempo dado por:
Pd Pd X Pd R Pd X .Pd R
R 1 Pr[LICR R LSCR o ]
W1 R
Pd R Pr[W ]
O poder para a mdia na anlise em conjunto torna-se um pouco diferente do poder da
mdia para o caso da anlise isolada, pois agora devemos considerar tambm a mudana do
desvio-padro do processo () alm da mudana na mdia ().
O poder da mdia ser dado pela rea da curva normal onde a hiptese alternativa
aceita a partir da anlise de H1, ou seja,
(k n ) (k n )
Pd X Pr[Z ] Pr[Z ]
1 0
sendo que
0
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 14
Para o Caso 2
2
NMA
Pd
2
NMAF
Para o Caso 3
Pd 1
NMA
Pd 2
1
NMAF 2
1
TES h NMA
2
n
TA
h
h
TMAF
NMA NMA(k , n, )
MRi xi xi1
MR
LSCx x k
d2
LM x x
MR
LICx x k
d2
m
MR i
onde MR i 2
m 1
Os limites para a amplitude so dados por:
LSCR D4 MR
LM R MR
LICR D3 MR
Geralmente k tomado como 3 e os parmetros d2, D4 e D3 so tomados para n=2,
pois a amplitude mvel calculada a partir de dois valores. Assim tem-se que:
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 16
LSCx x 2,66.MR
LM x x
LICx x 2,66.MR
LSCR 3,267.MR
LM R MR
LICR 0
sendo as estimativas da mdia e do desvio-padro do processo sob controle dadas por:
x
0
MR
0
d2
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 17
D i
p i 1
m.n
Se n clientes so consultados e D representa o nmero de clientes insatisfeitos, ento D
tem distribuio binomial, com parmetros n e p:
n
Pr[D d ] . p d .(1 p) nd
d
A mdia e o desvio-padro da varivel aleatria D so:
D np ;
D npq
LSCnp np k np(1 p)
LM np np
LICnp mx 0; np k np(1 p)
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 18
po (1 po )
LSC p po k
ni
LM p po
po (1 po )
LIC p po k
ni
Sendo po desconhecido, usamos p como uma estimativa do seu valor. Assim,
p (1 p )
LSC p p k
ni
LM p p
p (1 p )
LIC p mx 0; p k
ni
Sendo a mdia das propores dada por:
D i
p i 1
m
n
i 1
i
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 19
c e
Pr[C c]
c!
onde c o nmero de no-conformidades e representa o nmero mdio de no-
conformidades na quantidade de produto considerada.
Os requisitos bsicos para que o nmero de no-conformidades obedea a uma
distribuio de Poisson so:
a) a freqncia mdia de no-conformidades deve ser proporcional ao nmero de itens
analisados;
b) as no-conformidades devem ocorrer de forma independente;
c) na quantidade de produto considerada, deve existir uma infinidade de oportunidades para
ocorrncia de no-conformidades, porm o evento associado ocorrncia de uma no-
conformidade especfica deve ser um evento raro.
C ;
C
C i
onde C i 1
;
m
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 20
Ci
ui
ni
Os valores de ui so plotados no grfico de u.
uo uo
LSCu uo k ; LM C uo ; LICu uo k
ni ni
M
C i
uo u i 1
M
ni
Estimando uo como , teremos que:
i 1
u
LSCu u k
ni
LM C u
u
LICu mx 0; u k
ni
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 21
S X
i
j
i j 1 o
onde X j
Algoritmo CUSUM
S max0, X d S
i i o
i 1
S max0, d X S
i o i
i 1
onde Xi a i-sima observao do processo, e So+= So-=0. O algoritmo CUSUM produz um
sinal sempre que Si+ ou Si- for maior que K. Os valores recomendados para K e d so
respectivamente, 5o e 1- o/2, sendo o o desvio-padro do processo quando em
controle, e 1- o, a magnitude do deslocamento da mdia que relevante detectar com
rapidez.
O princpio em que se baseia o algoritmo o seguinte: se no houvesse o parmetro d, a
ocorrncia casual de vrios valores, por exemplo, acima de o faria o somatrio Si+ crescer;
o resultado seria uma probabilidade elevada de alarmes falsos. O parmetro d tem o propsito
de reduzir essa probabilidade: somente valores de Xi maiores que o+d que incrementam
Si+; valores de Xi maiores que o, porm menores que o+d, fazem o somatrio decrescer.
Assim, o parmetro d funciona como uma mola que puxa os valores de Si+ para baixo no
caso do processo estar com a mdia em o. Observe que com isso os valores de Si+ tenderiam
a decrescer infinitamente; para evitar que isso acontea, sinalizando erroneamente reduo da
mdia (alarme falso), que o algoritmo limita S i+ a valores positivos ou nulos, zerando Si+
sempre que Xi-(o+d)+ Si-1+<0. Agora, se Si+ somente sinaliza deslocamentos da mdia para
cima, necessria uma quantidade Si- para sinalizar deslocamentos para baixo. O
comportamento de Si- idntico ao de Si+ (note que Si- tambm sempre positivo por
definio; seu aumento, porm, indica reduo da mdia do processo). Deslocamentos da
mdia de mdulo menor do que d no sero detectados ( a rigor, possuem probabilidades
de deteco desprezvel); por isso, recomenda-se fazer d=1- o/2.
A tabela a seguir apresenta os clculos parciais referentes aplicao do Algoritmo
CUSUM aos dados apresentados na tabela anterior. O contador N + zerado sempre que
Si+=0; o mesmo vale para N- com respeito a Si-. Esses contadores servem para indicar o
momento em que a mdia do processo alterou-se. Isso importante porque, com o algoritmo
CUSUM, o sinal ocorre bem depois da alterao, pois S i+ (ou Si-, conforme o caso) leva
algum tempo para ultrapassar o limiar K. A informao sobre o momento em que a alterao
ocorreu pode ser importante para auxiliar no diagnstico da causa especial. Para determinar o
instante estimado da alterao basta subtrair N+ do nmero de ordem da amostra observao
que sinalizou. No exemplo, o sinal foi dado pela 31a observao; como N+=11, calculamos
31-11=20; portanto, bem provvel que a mdia tenha sido alterada por volta da 20 a
observao. A estimativa da magnitude do deslocamento sofrido pela mdia dada por:
d S /N
d S /N
existe uma expresso simples que relacione o risco com o parmetro K para determinado
valor de d, uma recomendao geral adotar K=5o. Esse valor costuma dar sempre bons
resultados, para 1- o compreendido entre 0,6o e 1,6o. Pode-se observar que, medida
que o valor de d diminui, o esquema CUSUM detecta pequenos desajustes com maior
rapidez. As duas ltimas linhas da tabela confirmam ainda que no caso de grandes desvios da
mdia o grfico de Shewhart (grfico da mdia) sinaliza em mdia mais rapidamente que o
algoritmo CUSUM.
O algoritmo CUSUM pode ser utilizado para n>1: basta substituir X i por X i. e
considerar o/n1/2 em vez de o. Para os grficos de Shewhart, altamente vantajoso trabalhar
com n>1; j com o algoritmo CUSUM, nem sempre.
Y . X 1 - Y
i i i 1
onde 0<<1, e Yo=o (valor-alvo ou valor mdio em controle de X). A varincia da varivel
Yi dada por:
1 1
2 2 2i
2
Yi
LM o
LIC k o Yi
2
Yi
Y . X 1 - Y
i
i
i 1
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 28
LSC k
o
Yi
n
LM o
LIC k
o
Yi
4. INSPEO DE QUALIDADE
Ho: p=po
H1: p>po
D m D
Prd d
d n d O O
m
O
n
Se em um lote de 200 itens 10 so defeituosos, a probabilidade de uma amostra de 20
unidades conter 2 itens defeituosos de:
10 200 10
2 20 2
Prd 2
200
20
J a varivel D tem distribuio binomial. Se p porcentagem de itens defeituosos que
o processo produz, ento:
m
PrD D p 1 p Do m Do
D
O
200
PrD 10 p 1 p 10 20010
10
Como exemplo, supondo um processo com p=0,1 (10% de defeituosos), m=200 e n=20,
a probabilidade de encontrarmos 2 defeituosos ser de:
Prd 2
200
Do 0
Prd 2 D D PrD D 0,285
O O
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 30
n
Prd d p 1 p do ndo
d
O
A figura acima foi obtida pela distribuio de Poisson acumulada onde pac=Pr(Dd),
d=Ac e =np.
A figura a seguir apresenta o efeito do tamanho da amostra e do nmero de aceitao na
probabilidade de aceitao dos lotes. Um aumento no tamanho da amostra (de 200 para 300)
ou uma reduo no nmero de aceitao (de 4 para 3) implica um aumento do risco (o que
ruim para o fabricante) e uma diminuio do risco (o que bom para o comprador). A
nica maneira de reduzir simultaneamente ambos os riscos com mais informao:
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 31
A QMR aumenta com o valor de p at atingir um valor mximo, a partir do qual cai
rapidamente. Isso acontece porque para valores pequenos de p a maioria dos lotes aceita
(Pac1), e a QMR praticamente permanece igual a p. medida que p aumenta, a
probabilidade de um lote ser aceito decresce, e maior nmero de lotes submetido inspeo
total. Quanto mais lotes sujeitos inspeo total, menor a proporo de defeituosos que o
consumidor adquire; ou seja, menor a QMR. Um valor grande de p leva rejeio de todos os
lotes e, consequentemente, a uma QMR=0. Note que essa reduo da QMR chamado de
Limite da Qualidade Mdia Resultante (LQMR), que a mxima proporo mdia de
defeituosos que o consumidor adquire com a inspeo retificadora.
Na NBR 5426 o usurio precisa definir o tamanho do lote, o NQA e o nvel de inspeo
com que pretende trabalhar. O nvel de inspeo fixa a relao entre o tamanho do lote e o
tamanho da amostra. A norma prev trs nveis gerais de inspeo: I, II e III. Geralmente
adota-se o nvel II. O nvel I pode ser utilizado quando for necessrio diminuir o tamanho da
amostra (ao preo de aumentar o risco , do consumidor) e o nvel III quando for necessrio
reduzir o risco do consumidor (ao preo de aumentar o tamanho da amostra). H ainda quatro
nveis especiais, S1, S2, S3 e S4, para os casos em que s se podem usar tamanhos de
amostra muito pequenos (por exemplo, no caso de ensaios destrutivos muito caros) e em que
possam e devam ser tolerados grandes riscos de amostragem.
Alm dos planos de amostragem simples, a norma prev os planos de amostragem
dupla e mltipla.
A norma prev ainda a utilizao de modos de inspeo atenuado e severo, de forma
comutativa, visando uma melhor utilizao dos recursos alocados inspeo. Se o histrico
do fornecedor gera confiana (dez lotes consecutivos aceitos), ento o consumidor pode dar-
se o luxo de substituir a inspeo normal pela atenuada, reduzindo assim o tamanho das
amostras. Por outro lado, se o histrico do fornecedor no gera confiana (dois em cinco lotes
consecutivos rejeitados), ento a inspeo normal substituda pela inspeo severa, que
reduz o nmero de aceitao (tornando mais rigoroso o critrio para aceitao dos lotes). Na
figura a seguir esto as condies gerais para comutao entre os trs modos de inspeo:
normal, atenuada e severa. Note que, na inspeo atenuada, se o nmero de defeituosos d
encontrados na amostra for maior que Ac e menor que Re, o lote deve ser aceito, porm a
anlise dos lotes subsequentes deve-se retornar inspeo normal.
Em certas situaes, no faz sentido classificar o item como defeituoso ou no, mas
contar o nmero de defeitos que ele possui. Os planos da norma podem ser utilizados tambm
nesses casos: basta fazer o NQA igual ao nmero mximo de defeitos por cada 100 unidades
(DCU Defeitos por Centena de Unidades) que pode ser considerado satisfatrio como
mdia do processo.
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 36
BIBLIOGRAFIA
Vieira, S. Estatstica para a Qualidade, Rio de Janeiro, Editora Campus, 198p., 1999.
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 37
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 38
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 39
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 40
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 41
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 42
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 43
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 44
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 45
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 46
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 47
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 48
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 49
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 50
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 51
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 52
Grficos de Controle e Inspeo de Qualidade Prof. Marcos Moreira 53