Professional Documents
Culture Documents
Gráficos de Controle
Curso de MINITAB – Universidade Federal de Ouro Preto
1 - Introdução
Os gráficos de controle podem ser por variáveis ou por atributos, de acordo com a sua
classificação das variáveis contínuas (ex.: comprimento de uma peça, temperatura de uma
solução, ...) ou discretas, respectivamente.
As cartas Xbar e R são as mais utilizadas nos gráficos por variáveis. Uma carta R avalia a
variação entre subgrupos em uma ordem temporal. Uma carta Xbar nos ajuda a determinar se a
média do processo está sob controle estatístico quando os dados forem coletados em subgrupos
apropriados.
2 - Objetivos
1. Monitorar os dados temporais para uma característica particular de qualidade,
como exemplo: a cor de um produto, o peso ou a temperatura;
2. Detectar mudanças no processo ao longo do mesmo;
3. Responder perguntas do tipo:
• São os lotes de matéria-prima ou a variação de turno que causam a
variação do processo?
• São causa especiais do processo ou causas naturais (como a temperatura)
que ocasionam a variação no processo?
• A variação entre as diferentes remessas (lotes) de produção é maior que o
esperado?
EXEMPLO 1
Proposta:
Verificar se o processo está sob controle estatístico, ou seja, somente causas comuns de
variação influenciam processos.
Problema:
A fábrica Peças & Peças deseja realizar um controle de qualidade do processo de
fabricação de parafusos.
Dados coletados:
A cada meia hora são retiradas cinco peças da linha de produção, que são medidas em
certa dimensão e os valores registrados. Definimos, neste caso, que o tamanho do
subgrupo é igual a cinco sendo que 25 subgrupos foram obtidos.
Ferramenta:
• Xbar-R
Arquivo de dados:
parafusos.MPJ
Curso de MINITAB – Universidade Federal de Ouro Preto
Variável Descrição
Parafuso Leitura da dimensão obtida de cada parafuso.
Hora em que cada subgrupo de parafusos foi
Tempo
examinado no processo.
Xbar-R
4. Clique em OK
INTERPRETANDO OS RESULTADOS
Dois gráficos foram obtidos: o gráfico Xbar-R, para as médias e, o gráfico R, para as
amplitudes. É recomendado que o gráfico R (amplitude) seja analisado em primeiro lugar.
Curso de MINITAB – Universidade Federal de Ouro Preto
561
Sample M ean
_
_
560 X=559,912
559
558
LC L=557,587
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
U C L=8,52
8
Sample Range
6
_
4 R=4,03
0 LC L=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
No gráfico das amplitudes verifica-se que existe um ponto acima do limite superior de
controle, caracterizando uma causa especial de variação. Esse ponto mostra que a
amplitude no subgrupo 12 está muito maior que o aceitável, existindo muita variação nos
dados deste subgrupo.
No gráfico das médias, o valor da média do subgrupo 12 é maior que o limite superior de
controle. Tem-se uma causa especial de variação detectada pelo gráfico de controle.
Gráfico P
EXEMPLO 2
Proposta:
Verificar se a proporção de pedidos não aceitos está sob controle.
Problema:
O Banco de Minas deseja saber o número de pedidos não aceitos para a abertura de
contas em uma rede bancária.
Coleta de dados:
Foram coletadas uma amostra de 20 pedidos.
Ferramenta:
• P Chart
Arquivo de dados:
pedidos.MPJ
Variável Descrição
Pedidos Número de pedidos não aceitos pelo banco.
PChart
1. Abra pedidos.mpj
2. Selecione Stat > Control Charts> Attributes Charts > P...
3. Complete a caixa de diálogo como mostra a figura:
4. Clique em OK
Curso de MINITAB – Universidade Federal de Ouro Preto
INTERPRETANDO OS RESULTADOS
0,16 UCL=0,1610
0,14
0,12
Proportion
0,10
0,08
_
0,06 P=0,0590
0,04
0,02
0,00 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
Tests performed with unequal sample sizes
O gráfico obtido está sob controle estatístico, pois todos os subgrupos estão dentro dos
limites especificados de controle.
Para cada subgrupo é calculado um valor para o limite superior e inferior de controle, pois
o tamanho dos subgrupos é variável, ou seja, para cada amostra existe uma quantidade
de pedidos diferentes.
Gráfico NP
EXEMPLO 3
Proposta:
Verificar se o processo de fabricação do produto pode ser considerado sob controle
estatístico.
Problema:
Uma fábrica deseja analisar se os seus produtos estão conforme ou não conformes.
Coleta de dados:
Analisou-se 20 lotes contendo 35 produtos cada.
Ferramenta:
• NP Chart
Arquivo de dados:
pecas.MPJ
Curso de MINITAB – Universidade Federal de Ouro Preto
Variável Descrição
Peças Número de Peças não conformes.
NPChart
1. Abra pecas.mpj
2. Selecione Stat > Control Charts> Attributes Chart > NP...
3. Complete a caixa de diálogo como mostra a figura:
4. Clique em OK.
INTERPRETANDO OS RESULTADOS
Curso de MINITAB – Universidade Federal de Ouro Preto
12
10
Sample Count
8
__
NP=6,65
6
0 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
Conclui-se que o número de peças não conformes está sob controle estatístico, já que
nenhum ponto ultrapassa o limite de controle.
Gráfico C
EXEMPLO 4
Proposta:
Verificar o número de erros nas fichas de cadastramento de uma empresa.
Problema:
Foi observado um grande número de erros no preenchimento dos cadastros dos
vendedores de uma empresa. Deseja-se analisar o número de erros por cadastro (não
conformidades).
Coleta de dados:
Analisa-se uma amostra de 22 conjuntos, contendo 15 fichas de cadastro cada.
Ferramenta:
• C Chart
Arquivo de dados:
cadastros.MPJ
Variável Descrição
Número de erros (não conformidades) em cada
Cadastros
conjunto de cadastros.
Curso de MINITAB – Universidade Federal de Ouro Preto
CChart
1. Abra cadastro.mpj
2. Selecione Stat > Control Charts> Attributes Chart > C...
3. Complete a caixa de diálogo como mostra a figura:
4. Clique em OK.
INTERPRETANDO OS RESULTADOS
25
1 1
20
1
UCL=17,04
Sample Count
15
10 _
C=8,36
0 LCL=0
1 3 5 7 9 11 13 15 17 19 21
Sample
pontos o número de erros por conjunto de cadastro foi superior que o valor máximo
aceitável.
Gráfico U
EXEMPLO 5
Proposta:
Verificar o número de erros nas fichas de cadastramento de uma empresa.
Problema:
Considere o problema anterior.
Observação:
Para a construção deste gráfico, o tamanho do subgrupo pode ser constante ou variável.
Ferramenta:
• U Chart
Arquivo de dados:
ficha.MPJ
Variável Descrição
Proporção de erros (não conformidades) em cada
Cadastros
conjunto de cadastro cadastros.
UChart
1. Abra ficha.mpj
2. Selecione Stat > Control Charts> Attributes Charts > U...
3. Complete a caixa de diálogo como mostra a figura:
Curso de MINITAB – Universidade Federal de Ouro Preto
4. Clique em OK.
INTERPRETANDO OS RESULTADOS
0,8
1
1
0,7
Sample Count Per Unit
0,6 UCL=0,5917
0,5
0,4
_
0,3 U=0,2977
0,2
0,1
0,0 LCL=0,0037
1 3 5 7 9 11 13 15 17 19 21
Sample
Tests performed with unequal sample sizes
Observa-se neste gráfico que a proporção de erros no conjunto de cadastros está fora de
controle estatístico. Nota-se, também, que para cada subgrupo existem valores de limite
superior e inferior de controle, devido ao número de cadastros analisados variar de
subgrupo para subgrupo.