Controlo Estatístico do Processo para Número Reduzido de Dados

• Main Author: Requeijo, José
• Publication Date: 2015
• Other Authors: Matos, Ana Sofia, Abreu, António
• Language: por
• Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Download full: http://hdl.handle.net/10400.21/7547
• topic: SPC (Controlo Estatístico do Processo); Cartas de Controlo Q; Cartas de Controlo MQ; Capacidade do Processo; SPC (Statistical Process Control); Q Control Charts; MQ Control Charts; Process Capability

Em alguns sistemas produtivos pretende-se controlar várias características da qualidade com um número restrito de dados, não sendo possível estimar convenientemente os parâmetros do processo (média e variância), impossibilitando a implementação do Controle Estatístico do Processo tradicional (SPC). Como resposta, sugere-se a adoção dos desenvolvimentos de Quesenberry, que consiste na transformação das estatísticas no instante i através dos parâmetros estimados no instante ( ) considerando-se todos os dados ocorridos até este instante. Este artigo aborda duas situações, o SPC univariado e multivariado, com a aplicação de estatísticas Q. Tanto a estatística Q univariada como a MQ multivariada são distribuídas segundo a distribuição Normal reduzida e assim, o controlo de cada característica pode ser representado num mesmo documento (carta de controlo). É sugerido a aplicação dos índices QI e QS para o estudo univariado da capacidade do processo, que são representados na respetiva carta de controlo Q. Assim é possível em tempo real avaliar o desempenho dos processos e prever a possibilidade de produzir produtos não conformes, aumentando a satisfação do cliente. A metodologia proposta é aplicável a diferentes sistemas produtivos (indústria e serviços). É apresentado um estudo de caso com recurso à metodologia proposta Some production systems control many quality characteristics with a restricted amount of data, not allowing a conveniente estimation of the process parameters (mean and variance), thereby creating a difficulty in implementing the traditional Statistical Process Control (SPC). In order to address this question, the approach suggested is to adopt the developments proposed by by Charles Quesenberry, which consists in the statistics sample transformation at time i. This transformation is based on parameter estimation at time (i – 1). This paper addresses two situations, the univariate and multivariate SPC, with the use of Q dimensionless statistics. Both univariate (Q) and multivariate (MQ) statistics are distributed according to standard Normal distribution. It is also suggested the application of new capability indices QL and QU to study the univariate process capability, which are represented in the mean Q control chart to evaluate in real time the performance of the various processes and predict the possibility of production of nonconforming product, which will increase customer satisfaction. The methodology is applicable to different production systems, both for industry and services. Based on a methodology developed, a case study is presented and discussed.