Controle Estatstico de Qualidade

Captulo 4
(montgomery)
Controle Estatstico de Qualidade

Introduo

A II Guerra Mundial trouxe a necessidade de se produzir

grande quantidade de produtos militares com qualidade e
prazos pequenos;
Nesta poca, financiado pelo Depto de Defesa dos EUA, tm
grande difuso o controle estatstico de qualidade (CEQ),
tendo como base os estudos de:

Shewhart Cartas de Controle;

Dodge e Romig Tcnicas de Amostragem
Controle Estatstico de Qualidade

Introduo

O uso de tcnicas de amostragem tornou a inspeo mais

eficiente, eliminando a amostragem 100%; A amostragem
100% normalmente representava um

Elevado Custo

Excesso de Tempo
O CEQ se preocupava apenas em detectar defeitos. No
entanto, no havia uma preocupao em investigar as causas
que levam a tais defeitos nem com a preveno dos mesmos.
Controle Estatstico do Processo

Introduo

O Controle Estatstico do Processo (CEP) representa uma

evoluo do CEQ;
O CEP preocupa-se com a monitorao de um processo,
verificando, se o mesmo est dentro de limites determinados.
O CEP procura:

A estabilizao de processos atravs da reduo de sua
variabilidade, visando a melhoria e manuteno da
qualidade.
Controle Estatstico do Processo

O papel do CEP
O Controle Estatstico de Processo (CEP) uma poderosa
coleo de ferramentas teis na obteno da estabilidade do
processo e na melhoria da capacidade atravs da reduo da
variabilidade;

Um processo estar sob controle (estvel) se os resultados

esto em conformidade com os limites impostos, caso
contrrio o processo deve ser investigado para que sejam
detectadas as causas do desvio;
Controle Estatstico do Processo

O papel do CEP
As ferramentas que permitem monitorar um processo e
dizer se ele estar ou no sob controle so chamadas Sete
Ferramentas da Qualidade.
1. Grfico de Histograma ou Ramo-e-Folhas
2. Folha de Controle
3. Grfico de Pareto
4. Diagrama de Causa-e-Efeito
5. Diagrama de Concentrao de Defeitos
6. Diagrama de Disperso
7. Grficos de Controle
As Sete Ferramentas da Qualidade

Grfico de Histograma ou Ramo-e-Folhas

Grficos onde so mostradas as frequncias dos valores
observados de uma varivel;
Atravs deles podemos visualizar facilmente as seguintes
caractersticas:

Forma (simtrica ou assimtrica);

Posio ou Tendncia Central (mdia, moda ou mediana);

Disperso (variabilidade);
Embora sejam uma excelente ferramenta de visualizao, eles
no levam em conta a ordem temporal das observaes,
implcita na maioria dos problemas de controle de qualidade.
 As Sete Ferramentas da Qualidade

Grfico de Ramo-e-Folhas (exemplo)

Descriptive Statistics

Variable N Mean Median Min Max

Length 143 61.283 61.000 36.000 83.000

Stem-and-leaf of Length
N = 143
Leaf Unit = 1.0

Freq. Ramo Folha

2 3 67
17 4 001335566778889
58 5 00012223334455566677777777888888999999999
mediana (57) 6 000000001111111112222333333334444444455556666667777789999
28 7 000001222223333555556678899
1 8 3

Bears.mtw
As Sete Ferramentas da Qualidade

Grfico de Histograma

60

50

40
Frequency

30

20

10

35 45 55 65 75 85
Length

Bears.mtw
As Sete Ferramentas da Qualidade

Folha de Controle ou Verificao
Local onde registrado o histrico passado e atual de uma
varivel do processo, sendo usada como entrada de dados no
computador.
Com os avanos computacionais, a leitura, coleta e
armazenamento das informaes podem ser feitos
automaticamente.
Ao planejar uma folha de controle importante:

Especificar o tipo de dado a ser coletado;

Data;

Operador;

Outras informaes teis para investigao de causas que
possam afetar o processo;
Falhas no planejamento podem comprometer os resultados
sobre a estabilidade do processo.
As Sete Ferramentas da Qualidade

Folha de Controle ou Verificao (exemplo)

Registro de Defeitos em um Produto

Operador
Local
2006 2007
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3
Partes Danificadas 1 3 2 5 5 1
Solda Desalinhada 5 3 8 6
Falha no Adesivo 1 3 1 2 3
....
Dimenses Incorretas 2 3 5 6 2 4
As Sete Ferramentas da Qualidade

Grfico de Pareto

Similar a um histograma, com os dados categorizados;

Possibilita identificar de forma rpida, os defeitos que ocorrem
mais freqentemente;
... em muitos casos, a maior parte dos defeitos e de seus
custos decorrem de um pequeno nmero de causas. (J. M.
Juran);
Muitos analistas adicionam ao grfico de Pareto uma curva de
frequncias acumuladas.
 Freq
Fa
lta
pe
rs p
ec
tiv
a

0
5
10
15
20
25
30
35
40
de
c arr
ei r
a de
lo n
go
Po pr a
zo

0,09
uc
ar
ota
ti vi
da

0,17
de
i nte
r -e
qu
ipe

0,24
s

0,31
SIM
Ca

0,38
rd s
i ns
ufi
ci en
tes 0,44
Co
nd
0,50

i ci
on Tre
ad ina
or me
de nto
0,56

ar si
(m nsu
au fic i
f un en
ci o tes
0,60

na
me
n to
/c
a l.
0,64

.
Re
de
l en
ta
0,67

Ba
0,71

nh

Causas
eir
os
Po su
uc jos
ac
re d
ibi
Re li d
co ad
0,74 0,75
Grfico de Pareto

nh ed
ec as
ime "pr
nt o om
pe es
lo sa
tra s"
ba de
lho me
l h.
r ea ..
l iz
ad
o(
fal
0,77 0,79 0,81

ta)
0,82

Su
po
rte
(ti m
ea
us
en
te
Ba / ti
r ul me
ho i ns
no ufi
am c ie
bie nte
0,84 0,85 0,87

nt e )
de
tr a
ba
Liv l ho
ros
( fa
l ta
m)
0,88 0,89 0,90

0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
As Sete Ferramentas da Qualidade

100%

%
As Sete Ferramentas da Qualidade

Diagrama Causa-e-Efeito (Ishikawa)

Ferramenta eficiente na localizao e reparo de defeitos;
Identificado um defeito, erro ou problema, tentar analisar as
causas potenciais desse efeito indesejvel;
As Sete Ferramentas da Qualidade

Construo
1. Definir o problema ou efeito;
2. Discutir em equipe potenciais causas;
3. Desenhar a caixa de efeito e a linha central
4. Citar em caixas ligadas a linha central as
principais categorias de causas;
5. Identificar causas dentro de cada categoria
6. Ordenar as causas, a partir das que provocam
maior impacto ao problema;
7. Tomar aes corretivas.
As Sete Ferramentas da Qualidade
As Sete Ferramentas da Qualidade
As Sete Ferramentas da Qualidade

Diagrama de Concentrao de Defeitos

uma figura da unidade a ser produzida, mostrando todas os
ngulos relevantes;
Indica-se na figura onde podem ocorrer possveis defeitos;
Um estudo sobre a localizao desses defeitos pode fornecer alguma
informao til sobre suas possveis causas.

superior

Defeitos de acabamento
num refrigerador

esq. frente costas dir.

inferior
As Sete Ferramentas da Qualidade

Diagrama de Disperso

Grfico til para identificao de relaes potenciais entre

duas variveis;
Problemas em uma varivel podem levar a problemas em
outras variveis
Por exemplo:

X = umidade relativa do ar

Y = qtd. de bolhas na pintura de uma geladeira

Relao: o aumento na umidade relativa pode ocasionar mais
bolhas na pintura.
As Sete Ferramentas da Qualidade

Cartas de Controle

Desenvolvidas por Shewhart (1920);

Utilizadas para monitorar um processo, so construdas
baseadas num histrico do processo em controle;
Possibilitam a superviso do sistema;
Shewhart desenvolveu cartas para variveis quantitativas e
qualitativas (atributos);
Baseiam-se na suposio de normalidade;
As Sete Ferramentas da Qualidade

1010
LSC

1005
LM
1000

995
LIC
990
0 2 4 6 8 10 12 14 16 18 20
Nmero da amostra
Vdeo

https://www.youtube.com/watch?v=Fj87WXip3q0
Causas da Variabilidade do
Processo

Todo processo possui variabilidade, que tem a ver

com pequenas diferenas nas caractersticas dos
produtos produzidos;

Tal variabilidade decorrente de

Causas Aleatrias ou comuns;

Causas Atribuveis ou especiais;

Causas da Variabilidade do
Processo

Causas Aleatrias

Pequenas perturbaes no processo;

Sempre existir sendo, essencialmente, inevitvel;

Ex.: Temperatura, Umidade, Dilatao dos Equipamentos

Um processo que apresenta variabilidade apenas devido a

causas aleatrias um processo sob controle estatstico.
Causas da Variabilidade do
Processo
Causas Atribuveis

Produzem variaes nas caractersticas dos produtos em nveis
inaceitveis;

Provocam deslocamento na mdia da caracterstica monitorada
ou aumento em sua disperso;

Ocorrem devido a mquinas mal ajustadas ou controladas de
forma inadequada; erros do operador ou matria prima fora das
especificaes;

Uma das principais finalidades do CEP detectar

mudanas no processo devido a causas atribuveis,
tomando rapidamente aes corretivas, de modo a
minimizar a produo de itens no conformes.
Causas da Variabilidade do
Processo

O grfico de controle a ferramenta mais utilizada para

monitoramento do processo, objetivando detectar a presena
de causas atribuveis.

Os grficos de controle tambm podem ser utilizados para

determinar a capacidade do processo (estimao do nmero
de itens no-conformes de um processo).

O grfico de controle pode ainda fornecer informaes teis

para a melhoria do processo.
Vdeo

https://www.youtube.com/watch?v=gGncH_nCY
mM&list=UUs7_1qf2plPkoUnhylprecQ
Base Estatstica do Grfico de
Controle

O grfico de controle uma representao grfica

de uma caracterstica da qualidade que foi medida
ou calculada a partir de uma amostra.

Baseando-se na distribuio normal, os grficos

de controle constituem um instrumento de
diagnstico da existncia ou no de variabilidade
devido a causas atribuveis.
Base Estatstica do Grfico de
Controle
Elementos de um grfico de controle

Abscissa (X): ordem cronolgica da amostra ou a sequncia das
extraes. Deste modo, a escala horizontal uniforme e
associada ao tempo;

Ordenada (Y): representa os valores observados da
caracterstica da qualidade, que pode ser uma varivel ou um
atributo;

Linha mdia ou central (LM): representa o valor mdio da
caracterstica da qualidade quando em estado sob controle, ou
seja, quando apenas causas aleatrias esto presentes;

Limites de Controle: duas linhas horizontais denominadas limite
inferior de controle (LIC) e limite superior de controle (LSC). So
escolhidos de forma que, se o processo estiver sob controle, os
pontos amostrais estaro entre eles;

Suposio: os pontos amostrais devem ser independentes.
Base Estatstica do Grfico de
Controle
Volume
1010
LSC
1005
LM
1000

995
LIC
990
0 2 4 6 8 10 12 14 16 18 20
Nmero da amostra
Base Estatstica do Grfico de
Controle
Elementos de um grfico de controle

Processo sob Controle
Pontos amostrais entre os limites de controle ou sem apresentar um
comportamento sistemtico ou no-aleatrio
Nenhuma ao precisa ser tomada

Processo fora de Controle
Presena de pontos fora dos limites de controle ou presena de
padres no-aleatrios no grfico
Realizar investigao para descobrir a possvel causa
Geralmente, faz-se necessria uma ao corretiva para que tal fato
no se repita.

Posteriormente, iremos conhecer tcnicas para detectar a

presena de padres no-aleatrios em grficos de controle.
 Base Estatstica do Grfico de
Controle
Processo Isento de Causas Especiais Tempo
f(X)

f(X)
T4
f(X)
T3
f(X)
T2 X

T1 X

X
 Base Estatstica do Grfico de
Controle
Causa Especial Altera a Mdia do Processo
f(X) Tempo

f(X)
T4
f(X)
T3
f(X)
T2
X
T1
X

X
 Base Estatstica do Grfico de
Controle
Causa Especial Altera a Mdia e Aumenta a
f(X) Tempo
Variabilidade do Processo

f(X)
T4

f(X)
T3
f(X)
T2 X
T1
X

X
Relao entre o Grfico de Controle
e o Teste de Hipteses
Suposio

Suponha que o eixo vertical seja a mdia amostral x

Seja H0: processo sob controle
Caso LIC x LSC => Processo sob Controle. Logo, no h
evidncias para rejeitar H0, ou seja, H0: = 0.

LSC

LM = 0

LIC

1 2 3 4 5 6 7
Relao entre o Grfico de Controle
e o Teste de Hipteses

A regio entre os limites de controle equivale a regio de NO

rejeio de H0, enquanto que a regio FORA dos limites
representa regio de rejeio de H0;

): concluir que o processo est fora de

Prob. de Erro Tipo I (
controle, quando na verdade ele est sob controle;

): concluir que o processo est sob

Prob. de Erro Tipo II (
controle, quando na verdade ele est fora controle (mais
custoso para a empresa);
Relao entre o Grfico de Controle
e o Teste de Hipteses
Tal relao ser til na anlise de desempenho do grfico de
controle

Habilidade do grfico em detectar mudanas no processo
= 0 + ;

Curva Caracterstica de Operao (CO): conjunto de curvas em
que calculamos os valores de , para um fixo, e diferentes
valores de n (amostra) e .

Diferenas entre Testes de Hipteses (TH) e Grficos de

Controle (GC)

TH - verifica a validade de suposies: ser que o parmetro
da minha populao igual (maior ou menor) a 0 ?

GC: verificar a estabilidade do processo
Relao entre o Grfico de Controle
e o Teste de Hipteses

As causas atribuveis podem resultar em diferentes tipos de

mudana nos parmetros.

1. A mdia pode mudar para um novo valor e permanecer neste

valor a partir da;
2. A mdia pode mudar para um novo valor, mas a causa
atribuvel poder ser de curta durao e a mdia pode retornar
ao valor sob controle;
3. A causa atribuvel pode resultar em um deslocamento constante
ou tendncia no valor da mdia.

 Note que apenas o primeiro caso est de acordo ao modelo

usual do teste de hiptese.
Exemplo 1
Em uma fbrica de anis de pisto para motores de
automveis, uma caracterstica crtica da qualidade o
dimetro interno do anel.
O processo pode ser controlado em um dimetro mdio de
74mm, com um desvio padro de 0.01mm. A cada hora,
extrai-se uma amostra aleatria de cinco anis. Deste modo,
tem-se que

e limites de controle
Exemplo 1
Tais limites de controle, equivalem em estabelecer as
regies de aceitao e rejeio para um teste de hipteses

Assim, determinados os limites de controle, o grfico de

controle testa esta hiptese repetidamente, para cada
amostra retirada ao acaso no processo.
Grficos de Controle Shewhart
De modo geral, temos que:

Seja T um estimador de alguma caracterstica da qualidade de
interesse, com T = E(T) e T = Var (T ) , ento

em que L a distncia dos limites de controle linha mdia,

expressa em unidades de desvio-padro.

Os grficos de controle que seguem essa forma geral so

denominados grficos de controle de Shewhart.
Limites de Controle
Os limites dos grficos de controle so determinados com base na
mdia e no desvio padro da varivel X quando o processo est
isento de causas atribuveis.
A mdia deve coincidir com o valor alvo especificado no projeto.
Entretanto, h situaes em que esse valor no definido a priori.

Exemplo: tempo de atendimento em um fast-food.
A escolha dos limites de controle uma tarefa crtica na
construo dos grficos de controle:

Se L grande
Erro tipo I
Erro tipo II

Se L pequeno
Erro tipo I
Erro tipo II
Limites de Controle
Note que no exemplo 1, utilizamos L = 3.
Teorema Central do Limite: Para grande amostras, a
distribuio das mdias amostrais ser aproximadamente
normal, logo

tem distribuio normal-padro.

Logo, para L = 3, a probabilidade de um ponto cair fora dos
limites de controle sinalizando incorretamente um estado
fora de controle (erro tipo I) de 2 0.00135 = 0,0027.
Assim, um sinal incorreto de que o processo est fora de
controle ser gerado a cada 370 pontos amostrais
aproximadamente.
Limites de Controle

LIC = 0 L 0 / n LSC = 0 + L 0 / n

/2 /2

v. a. X LM = 0 X ~ N ( X ; X ) = N ( 0 ; 0 / n )

v. a. Z
X X
-k 0 k Z= ~ N ( 0;1)
X
Tradicionalmente L=3
= P(Z < k ) + P(Z > k )
Limites de Controle

Limites de Probabilidade

Processo inverso ao apresentado anteriormente

Basta especificar um erro tipo I e depois determinar os
limites correspondentes.
No exemplo 1, se especificarmos um erro tipo I = 0,001,
isto , um falso alarme a cada 1000 pontos amostrais,
teremos os seguintes limites de controle:
Limites de Controle

Curiosidade

Nos EUA, prtica padro determinar os limites de controle

como um mltiplo do desvio-padro, em geral L = 3. Da, os
limites 3 sigmas serem normalmente empregados em
grficos de controle;

No Reino Unido e em partes da Europa Ocidental, os limites

de probabilidade so mais usados, geralmente considerando
= 0,001.
Limites de Controle
Limites de Alerta
Alguns analistas sugerem o uso de dois conjuntos de limites
em grficos de controle;
Limites de ao ou 3-sigma (LIC e LSC): quando um ponto
se situa fora desses limites, procura-se uma causa atribuvel
e toma-se uma ao corretiva;
Limites de alerta ou 2-sigma: se um ou mais pontos se
situam entre os limites de alerta e de controle, devemos
suspeitar de que o processo pode no estar operando
adequadamente;
Ponto Positivo: aumentar a sensitividade do grfico;
Ponto Negativo: pode gerar um aumento do risco de
alarmes falsos.
Limites de Controle

Limites de Alerta
X

LSC = 0 + 3 0 / n

LSA = 0 + 2 0 / n

LM = 0

LIA = 0 2 0 / n

LIC = 0 3 0 / n

15 30 45 60 75 90 105 Minutos
Vdeos

https://www.youtube.com/watch?v=CrCpN78fYtM
Tamanho de Amostra e Frequncia
de Amostragem

No planejamento de um grfico de controle, devemos

especificar tanto o tamanho da amostra a ser usada,
quanto a frequncia de amostragem;

Tais aspectos tem impacto direto no poder em que os

grficos tero em detectar mudanas no processo;

Tamanho da Amostra: corresponde ao nmero de itens que

sero selecionados para medio da caracterstica da
qualidade de interesse;

Frequncia de Amostragem: corresponde ao intervalo de

tempo entre a seleo de duas amostras.
Tamanho de Amostra e Frequncia
de Amostragem

Tamanho da Amostra

Na escolha do tamanho da amostra, devemos ter em mente

a magnitude da mudana que queremos detectar;

O tamanho da amostra inversamente proporcional ao
tamanho da mudana que deseja-se detectar;

Amostras maiores permitiro detectar pequenas mudanas
no processo;

Se a mudana no processo que deseja-se detectar for
relativamente grande, ento deve-se utilizar tamanhos de
amostra menores do que aquelas que usaramos para detectar
mudanas no processo relativamente menores.
Tamanho de Amostra e Frequncia
de Amostragem

Dados originais Amostra n=3

1 1
Amostra
0,8 0,8
pequena, detecta
0,6 0,6 grandes
mudanas na
0,4 0,4
mdia do
0,2 0,2 processo

0 0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Amostra n=8
1
Amostra grande,
0,8
detecta pequenas
0,6 mudanas na mdia do
processo
0,4

0,2

0
1 2 3 4 5 6
Tamanho de Amostra e Frequncia
de Amostragem

Frequncia de Amostragem
Ideal: tomar grandes amostras em pequenos intervalos de
tempo

No factvel economicamente;

Necessita a alocao de um grande esforo de
amostragem;

Prtica Industrial: tomar pequenas amostras, mais

frequentemente

Evoluo tecnolgica vem favorecendo esse tipo de
prtica.
Tamanho de Amostra e Frequncia
de Amostragem

Desempenho do Grfico de Controle

Comprimento Mdio da Sequncia (CMS): o nmero
mdio de pontos que devem ser marcados antes que um
ponto irregular indique uma condio de fora de controle
1 p = prob. que um pto exceda
CMS = os limites de controle
p

O comprimento da sequncia para um grfico de controle
provm de uma distribuio geomtrica
Consequncias

O desvio padro muito grande

A distribuio muito assimtrica.
Tamanho de Amostra e Frequncia
de Amostragem

Desempenho do Grfico de Controle

O Comprimento Mdio da Sequncia (CMS0), quando o

processo est sob controle :

1
CMS 0 =
p

Isto , mesmo que o processo permanea sob controle, um

sinal de fora de controle (falso alarme) ser emitido a cada
CMS0 amostras, em mdia.
Tamanho de Amostra e Frequncia
de Amostragem

Desempenho do Grfico de Controle

Tempo Mdio para Alerta (TMA) Se amostras so

tomadas a intervalos fixos de tempo, de h horas, ento:

TMA = CMS h h = intervalo de tempo entre

amostras
Subgrupos Racionais

Definio
Segundo Shewhart, subgrupos ou amostras devem ser
selecionadas de tal modo que, se estiverem presentes
causas atribuveis

A chance de diferena entre subgrupos ser maximizada e

A chance de diferena devido a essas causas dentro de um
subgrupo ser minimizada

Usam-se duas abordagens gerais para construo de

subgrupos racionais
Subgrupos Racionais

Abordagem 1

Cada amostra consiste em unidades que foram produzidas

ao mesmo tempo (ou to prximo possvel);

Assim, minimiza-se a chance de variabilidade dentro da

amostra e maximiza a chance entre amostras.

Usa-se essa abordagem quando o objetivo principal

detectar mudanas no processo.
Subgrupos Racionais

Abordagem 2
Cada subgrupo consiste em unidades do produto que so
representativas de todas as unidades produzidas desde a
ltima amostragem;

Logo, cada subgrupo uma amostra aleatria de toda sada

do processo durante o intervalo de amostragem;

Usa-se essa abordagem quando o objetivo principal decidir

sobre a aceitao de todas as unidades do produto (aceitar
um lote, por exemplo) que foram produzidas desde a ltima
amostra;
Subgrupos Racionais

Consideraes

Se o processo muda para um estado fora de controle e volta

a um estado de controle entre amostras, a abordagem 1 ser
ineficaz.

J a abordagem 2 poder produzir limites de controle

relativamente grandes. Isso pode ocorrer devido a uma
oscilao na mdia do processo durante os intervalos entre
amostras, o que resultaria num aumento de variabilidade.
Subgrupos Racionais
Anlise de Padres em Grficos de
Controle

Um grfico de controle pode indicar uma

condio fora de controle quando

Um ou mais pontos se localizam fora dos limites de
controle, ou

Quando os pontos marcados exibem algum padro de
comportamento no-aleatrio;

Em 1956, a Western Eletric sugeriu um conjunto

de regras que sugerem uma condio fora de
controle
Anlise de Padres em Grficos de
Controle
Regras para os Grficos de Controle Shewhart

1. Um ou mais pontos fora dos limites de controle.

2. Dois, de trs pontos consecutivos, fora dos limites de alerta (2-sigma).
3. Quatro, de cinco pontos consecutivos, alm dos limites 1-sigma.
4. Uma sequncia de oito pontos consecutivos de um mesmo lado da
linha central.
5. Seis pontos de uma sequncia em tendncia crescente ou
decrescente.
6. Quinze pontos em sequncia na faixa entre 1-sigma.
7. Quatorze pontos em sequncia alternadamente para cima e para baixo.
8. Oito pontos em sequncia de ambos os lados da linha central, com
nenhum deles acima de 3-sigma.
9. Um padro no-usual ou no aleatrio nos dados.
10. Um ou mais pontos perto dos limites de alerta ou de controle.
Anlise de Padres em Grficos de
Controle

Consideraes
O objetivo dessas regras de aumentar a sensitividade dos
grficos de controle;

No entanto, deve-se tomar muito cuidado em utilizar essas

regras, visto que podem ocorrer um nmero excessivo de
falsos alarmes;

Alm disso, o excesso de regras ocasiona a perda da

simplicidade implcita nos grficos de controle;

Isso pode tornar o programa do CEP ineficaz.

Exemplo

A ttulo de ilustrao, para o grfico X com os

limites trs-sigma, p=0,0027 a probabilidade
de que um nico ponto caia fora dos limites,
quando o processo est sob controle.

Determinar o CMS e o TMA (considerando que

as amostras so coletadas a cada 20 minutos)
Exemplo

Para o grfico X com os limites de probabilidade

0,001, quando o processo est sob controle,
determine o CMS e o TMA (considerando que as
amostras so coletadas a cada 1 hora)
Exerccio O padro parece ser aleatrio?
Exerccio O padro parece ser aleatrio?
Exerccio Associe cada padro de
desempenho aos correspondentes grficos
Exerccio

Em uma fbrica de anis de pisto para motores de automveis,

uma caracterstica crtica da qualidade o dimetro interno do
anel. O processo pode ser controlado em um dimetro interno
mdio de 74 mm, e sabe-se que o desvio padro do dimetro do
anel de 0,01 mm. Considere que o dimetro do anel
normalmente distribudo, e que o tamanho da amostra n=5.

a) Determine os limites de controle dois-sigma.

b) Suponha que tenha sido sugerido o limite de dois-sigma, em vez

dos limites tpicos de trs-sigma. Que efeito o uso dos limites
dois-sigma teria sobre o CMS sob controle do grfico?
Exerccio

Um processo de moldagem usa um molde com cinco cavidades

para uma pea usada em uma montagem automotiva. A
espessura das paredes da pea uma caracterstica crtica da
qualidade. O processo pode ser controlado em uma espessura
mdia de 1 mm, e sabe-se que o desvio padro da espessura das
paredes da pea de 0,01 mm. Considere que a espessura das
paredes da pea normalmente distribudo, e que o tamanho da
amostra n=8.

a) Determine os limites de controle de probabilidade 0,001 e os

limites de controle trs-sigma.

b) Qual o efeito do uso dos limites de probabilidade e trs-sigma

quando o processo est sob controle na ocorrncia de alarme
falso?