Sunteți pe pagina 1din 15
Cartas de controle para atributos
Cartas de controle para atributos

Prof. Liane Werner Adaptado das notas de aula de José L. D. Ribeiro

Cartas de controle para atributos
Cartas de controle para atributos

Muitas características de qualidade não podem ser convenientemente medidas, mas podem ser classificadas como não atendendo a uma ou mais especificações. produto não-conforme=> quando não atende a uma ou mais especificações. Não atendimento de uma ou mais especificações => não-conformidade(s). Exemplos:

A presença de uma etiqueta

A continuidade de uma costura

A existência de manchas ou risco

Gráficos de Controle por Atributos
Gráficos de Controle por Atributos

Por exemplo:

Gráficos de Controle por Atributos Por exemplo: Prod to não-conforme u Não-conformidades
Gráficos de Controle por Atributos Por exemplo: Prod to não-conforme u Não-conformidades
Prod to não-conforme u
Prod to não-conforme
u

Não-conformidades

Importância das cartas de controle para atributos: Atributos existem na maioria dos processos técnicos ou

Importância das cartas de controle para atributos:

Atributos existem na maioria dos processos técnicos ou administrativos. Portanto, há muitas aplicações para este tipo de carta.

Muitas vezes já existem dados históricos do tipo atributo.

Em geral não requerem muita especialização para a coleta dos dados.

A gerência costuma sumarizar resultados utilizando dados do tipo atributo.

Monitorar atributos pode ser uma etapa intermediária, anterior a monitorização de variáveis.

Modalidades das cartas de atributos: A carta p para % de não-conformes (as amostras podem

Modalidades das cartas de atributos:

A carta p para % de não-conformes (as amostras podem ser de tamanhos diferentes).

A carta np para número de unidades não- conformes (as amostras devem ter o mesmo tamanho)

A carta c para número de não conformidades (as amostras devem ser do mesmo tamanho)

A carta u para número de não-conformidades por unidade (as amostras podem ser de tamanhos diferentes)

Passos preparatórios para a implantação: Antes de usar a carta para controle de atributos, alguns

Passos preparatórios para a implantação:

Antes de usar a carta para controle de atributos, alguns passos preparatórios devem ser assegurados:

Estabelecer um ambiente favorável à ação

Preparar as pessoas Definir responsabilidades Assegurar suporte gerencial

Passos preparatórios
Passos preparatórios

Definir o processo

Entender o processo, suas etapas, o pessoal e o material envolvido; Identificar os fornecedores e clientes; Identificar os parâmetros doprocesso e as características de qualidade.

Determinar as CQ a serem monitoradas

Considerar as exigências do cliente; Identificar as características críticas para o uso ou para a segurança; Identificar as CQ com problemas crônicos; Estudar correlações entre as CQ.

Passos preparatórios Definir o sistema de medição Qual a informação, onde coletar e com qual

Passos preparatórios

Definir o sistema de medição

Qual a informação, onde coletar e com qual freqüência; Como será o registro das informações; Qual a definição de não-conformidade e não- conforme.

Minimizar variabilidade desnecessária

Identificar óbvias causas externas de variabilidade e eliminar essas causas antes de iniciar o estudo.

A carta p para % de não conformes
A carta p para % de não conformes

A carta p mede a % de produtos defeituosos em uma amostra.

Seleção do tamanho e freqüência dos subgrupos

Cartas de atributo exigem subgrupos de tamanho considerável (em geral 50 a 200 unidades ou mais).

Alguns estatísticos recomendam

seja possível uma análise eficiente de padrões.

para que

np > 5

A freqüência de amostragem deve fazer sentido em termos de períodos de produção.

Cálculo dos limites de controle
Cálculo dos limites de controle

% de não conformes

Para cada subgrupo, anotar

n

= número de itens inspecionados

d

= número de itens defeituosos (não conformes)

E então calcular p = d / n = % de não conformes

% média de não conformes

d

+ d

+

+

d

1

2

k

p =

n

1

+ n

2

+

+

n

k

n

i

σ= p(1p)

Esses cálculos devem ser feitos com um número grande de subgrupos, digamos, k > 25, e em uma situação de processo sob controle

Cálculo dos limites de controle Limites de controle LCS = p + 3 σ LCI

Cálculo dos limites de controle

Limites de controle

LCS = p + 3σ

LCI = p 3σ

p limites de controle em linha pontilhada. Se o limite inferior resultar negativo, então ele deve ser fixado em zero.

A linha média (

) é tra ada em linha cheia e os

ç

Se o tamanho dos subgrupos for variável, os limites de controle não serão uma linha contínua, mas uma linha dentada

Interpretação do controle do processo
Interpretação do controle do processo

A presença de um ou mais pontos fora dos limites de controle é uma evidência de instabilidade.

Se o processo está em controle estatístico, a probabilidade de um ponto fora dos limites de controle é muito pequena

Quando isso acontece deve-se assumir a presença de causas especiais.

Um ponto acima dos LCS indica que o processo piorou. Um ponto abaixo do LCI indica uma melhora no processo.

Antes de disparar a investigação, devemos verificar o ponto anotado.

Corridas
Corridas

Mesmo com todos os pontos dentro dos limites de controle, podem haver evidências de que o processo sofreu alteração.

As seguintes constatações indicam alterações no

processo (válidas para

7 pontos em seqüência acima (ou abaixo) da linha central 7 pontos em seqüência ascendente (ou descendente)

Corridas ascendentes ou corridas acima da média indicam que o desempenho do processo piorou.

Corridas descendentes ou corridas abaixo da média indicam que o processo melhorou.

np

>

9 ):

Detecção e correção de causas especiais Quando uma indicação fora do controle é identificada, o

Detecção e correção de causas especiais

Quando uma indicação fora do controle é identificada, o processo deve ser estudado para determinar a causa.

A causa especial deve ser corrigida e as ações devem ser tais que impeçam a sua recorrência.

Para o estudo das causas especiais, a análise de Pareto e diagramas de causa e efeito são recomendados.

Revisão dos limites de controle
Revisão dos limites de controle

Se ações de melhoria estão sendo tomadas, o processo deve apresentar um desempenho mais consistente, com redução do percentual médio de não conformes.

Assim, periodicamente os limites de controle devem ser reavaliados e, sempre que houver evidência para tanto, estreitados.

Esse enfoque dinâmico mantém as cartas de controle atualizadas e eficazes na tarefa de continuar revelando fontes de variabilidade.

Capacidade do processo Após a identificação e eliminação das causas especiais, o processo pode ser

Capacidade do processo

Após a identificação e eliminação das causas especiais, o processo pode ser avaliado em relação a sua capacidade.

No caso de atributos, a capacidade é em geral expressa como a % de produtos conformes que o processo produz, ou seja,

Capacidade = (1 -

p )

Assim, se um processo tem

p

= 0,031

a sua

capacidade será:

1 - 0,031

= 96,9%

Interpretação da capacidade do processo Essa capacidade deve ser comparada com as expectativas e metas

Interpretação da capacidade do processo

Essa capacidade deve ser comparada com as expectativas e metas gerenciais. Caso ela não seja satisfatória, a gerência deve agir sobre o sistema (causas comuns).

A ação sobre as causas comuns é mais difícil e em geral irá envolver o estudo de variáveis, e o uso de técnicas estatísticas como o uso de projeto de experimentos ou análise multivariada.

Após a ação sobre o sistema, os limites de controle devem ser recalculados.

Exemplo (carta p): os dados a seguir representam o número de embalagens de suco de

Exemplo (carta p): os dados a seguir representam o número de embalagens de suco de fruta que se apresentavam defeituosas (vazamento ou outro problema). As medições foram feitas a partir de lotes de 80 unidades.

Lote

d i

p i

Lote

d i

p i

Lote

d i

p i

1

9

.112

11

18

.225

21

25

.313

2

11

.138

12

13

.163

22

16

.200

3

5

.063

13

23

.287

23

10

.125

4

8

.100

14

9

.113

24

13

.163

5

17

.213

15

11

.137

25

8

.100

6

10

.125

16

6

.075

26

14

.175

7

15

.188

17

14

.175

27

10

.125

8

11

.137

18

12

.150

28

7

.088

9

6

.075

19

21

.263

29

13

.163

10

7

.087

20

19

.238

30

16

.200

LCS = p + 3σ = 0,279

LCI = p 3σ = 0,035

p

=

d

i

/

n

i

= 0,157

;

σ =

p − p (1 ) / n i
p − p
(1
) /
n i

= 0,0407

Carta de controle p 0,4 0,3 0,2 0,1 0 0 5 10 15 20 25
Carta de controle p
0,4
0,3
0,2
0,1
0
0
5
10
15
20
25
30
p

Revisão dos limites de controle (eliminar pontos 13 e 21):

LCS = 0,266

LCI = 0,028

Exercício - carta p
Exercício - carta p

Uma indústria fabricante de peças cerâmicas decidiu controlar a proporção de peças não- conformes p para uma de suas linhas de produção. Foram coletadas 20 amostras de 100 peças cada. Construa o gráfico p e verifique a estabilidade inicial do processo.

Exercício - peças cerâmicas Amostra Número de não-conformes d 1 21 2 25 3 16
Exercício - peças cerâmicas
Amostra
Número de não-conformes d
1
21
2
25
3
16
4
30
5
15
6
17
7
23
8
28
9
26
10
25
11
22
12
30
13
10
14
20
15
16
16
15
17
25
18
18
19
11
20
12
Exercício - peças cerâmicas
Exercício - peças cerâmicas
P Chart for ceramica UCL=0.3231 0.3 0.2 P=0.2025 0.1 LCL=0.08194 0 10 20 Sample Number
P Chart for ceramica
UCL=0.3231
0.3
0.2
P=0.2025
0.1
LCL=0.08194
0
10
20
Sample Number
Prop ortion
A carta np para número de não-conformes A carta np segue a mesma lógica da

A carta np para número de não-conformes

A carta np segue a mesma lógica da carta p,

mas agora, ao invés da % de não conformes, se

monitora o número de não conformes.

A carta np é mais apropriada quando

o número de não conformes tem um maior

significado

o tamanho dos subgrupos é sempre o mesmo

(constante)

Cálculo dos limites de controle Inicialmente calcula-se o número médio de não conformes e o

Cálculo dos limites de controle

Inicialmente calcula-se o número médio de não conformes e o desvio padrão:

d

np =

+

d

+

k

+

d

de não conformes e o desvio padrão: d np = + d + k + d

σ = np(1p)

Onde di é o número de não conformes no subgrupo i e k é o número de subgrupos.

E os limites de controle são calculados como:

LCS = np + 3σ

LCI = np 3σ

1 2 k

1

2

k

Capacidade do processo É mais apropriado estabelecer a capacidade do processo em função da %

Capacidade do processo

É mais apropriado estabelecer a capacidade do

processo em função da % de produtos conformes,

isto é,

Capacidade = (1- )

p

As demais considerações, feitas para a carta p ,

também valem para a carta np.

Exemplo (carta np): os dados a seguir representam o número de defeituosos observados em lotes

Exemplo (carta np): os dados a seguir representam o número de defeituosos observados em lotes de 200 unidades de um certo modelo de peça plástica injetada.

np = np / k = 9,65

peça plástica injetada. np = ∑ n p / k = 9,65 σ = np (1

σ = np(1p) = 3,03

LCS = np + 3σ = 18,74

LCI = np 3σ = 0,56

Lote

np

Lote

np

1

7

11

8

2

13

12

7

3

15

13

12

4

9

14

5

5

7

15

15

6

12

16

6

7

6

17

10

8

11

18

16

9

6

19

14

10

8

20

6

Carta de controle np 20 16 12 8 4 0 0 4 8 12 16
Carta de controle np
20
16
12
8
4
0
0
4
8
12
16
20
n
p
Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias

Fábrica de meias com 1500 empregadas considerada de boa qualidade realiza 100% de inspeção classificando as meias em:

de primeira de segunda irregulares sucatas

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias

Problema:

pagamento por peça salário mínimo => trabalho não chega ao mínimo => empresa paga adicional alto competição de mercado

Solução:

aumentar a produção de meias de primeira => aumenta o lucro sem aumentar despesas benefício aos trabalhadores: sistema de penalidade para cada peça ruim era descontado duas boas.

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias Gráfico p para o departamento de fechamento

Gráfico p para o departamento de fechamento

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias

Gráfico vice-presidente de manufatura:

ficou desesperado com 5% de defeituosos empresa não poderia continuar assim, com este % num único departamento, empresa iria fechar em 6 meses.

Ninguém nunca soube como este e outros departamentos estavam ruins, mas a empresa funcionava a 65 anos. Objetivo: 2% de defeituosos ao mês.

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias

Foi realizada uma reunião com todos os funcionários do departamento de fechamento. Todos foram instruídos que haveria um estudo sobre seus hábitos de trabalho e auxílio para correção de deficiências. Com os dados dos meses de jun/jul, coletados individualmente, foram construídos gráficos np para cada operador.

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias Gráfico np para o operador 75 Ótima. Sua rotina

Gráfico np para o operador 75

Ótima. Sua rotina foi incorporada e todos foram beneficiados.

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias Gráfico np para o operador 22 Exame de visão

Gráfico np para o operador 22

Exame de visão => melhorou. Empresa adotou política de exames oftalmológicos.

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias Gráfico np para o operador 27

Gráfico np para o operador 27

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias

A operadora 27 foi considerada a menos capaz. Quando o supervisor conversou com ela sobre seu gráfico e comentou sobre a política de qualidade ela respondeu:

“Faz cinco anos que eu trabalho aqui e neste período ninguém falou que estava interessado em qualidade, eu posso trabalhar melhor, se é que faz alguma diferença”.

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias Gráfico np para o operador 106

Gráfico np para o operador 106

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias

O supervisor observou que a operadora 106 tinha dificuldade com o braço, devido a pressão para aumentar a produção e não reduzir o salário. Como ficou constatado que ela tinha um problema físico, começou a receber um pagamento diferenciado.

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias Gráfico np para o operador 73

Gráfico np para o operador 73

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias

Tinha 70 anos com 10 anos de empresa

ago => acompanhamento do supervisor

set => novos óculos

out => melhora (mas pior que todos os outros)

nov => responsável 20% defeituosos do departamento =>pressão trabalhadores => velha 73

Natal sorteio “aleatório” de um conjunto de eletrodomésticos e passou a receber pensão Ela contou que não sabia fazer a operação de fechamento e não sabia como aprender. Ela estava 10 anos a frente da sua gerência!

Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias
Estudo de Caso - Fábrica de meias Gráfico p para o departamento de fechamento

Gráfico p para o departamento de fechamento

A carta c para número de não-conformidades A carta c monitora o número de não-

A carta c para número de não-conformidades

A carta c monitora o número de não- conformidades (defeitos) verificadas em uma amostra. É importante não confundir os termos não- conforme e não-conformidade:

não-conforme = defeituoso produto

não-conformidades = defeitos

= defeituoso produto não-conformidades = defeitos se refere ao um produto pode ter mais de uma

se refere ao

= defeituoso produto não-conformidades = defeitos se refere ao um produto pode ter mais de uma

um produto

pode ter mais de uma não-conformidade

Utilidade da carta c
Utilidade da carta c

Quando os defeitos estão dispersos em um meio contínuo, como por exemplo:

Número de falhas por m 2 de tecido Número de imperfeições por km de pavimento Quando um produto pode apresentar mais de um tipo de defeito

Coleta de dados

Deve-se especificar o tamanho (constante) da amostra, ou seja, número de unidades, ou área em m 2 ou comprimento em m, etc.

Então se anota o número de verificado em cada amostra.

não conformidades

Cálculo dos limites de controle Inicialmente calcula-se o número médio de não- conformidades c +

Cálculo dos limites de controle

Inicialmente calcula-se o número médio de não- conformidades

c + c

+

+

c

c =

1

2

k

k σ =

c
c

onde ci é o número de não-conformidades na amostra i.

E após calcula-se os limites de controle usando:

LCS = c + 3 c

não-conformidades na amostra i. E após calcula-se os limites de controle usando: LCS = c +

LCI = c 3 c

Exemplo (carta c): os dados a seguir representam o número de imperfeições (defeitos) observados na
Exemplo (carta c): os dados a seguir representam o
número de imperfeições (defeitos) observados na
análise dos cordões de solda em cavernas de um
navio petroleiro:
Caverna
c
Caverna
c
1
4
11
1

=

σ = c = 2,94 LCS = c + 3 σ = 1 7 ,

σ = c = 2,94

LCS = c + 3σ = 17,47

LCI = c 3σ = 0,00

2 0

12 7

3 8

13 5

4 14

14 15

5 4

15 4

6 12

16 6

7 9

17 17

8 5

18 13

9 9

19 8

10 21

20 11

c

/

c k

i

c / c k i = 173/20 = 8,65
c / c k i = 173/20 = 8,65

=

173/20 = 8,65

Carta de controle c 24 20 16 12 8 4 0 0 4 8 12
Carta de controle c
24
20
16
12
8
4
0
0
4
8
12
16
20
c
A carta u para número de não-conformidades por unidade A carta u monitora o número

A carta u para número de não-conformidades por unidade

A carta u monitora o número de não-conformidades por unidade produzida.

É similar a carta c exceto que o número de não- conformidade é expresso em relação a cada unidade.

A carta u é útil quando a amostra contém mais de uma unidade, e quando o tamanho da amostra varia.

A amostras não precisam ter o mesmo tamanho. Conta-se o número de não conformidades da amostra, c,

e se registra: u = c/n

Cálculo dos limites de controle
Cálculo dos limites de controle

Inicialmente se calcula o número médio de não conformidades por unidade:

onde c i é o número de não conformidades na

amostra i e

seguida os limites de controle são calculados como:

n i é o tamanho da amostra i.

Em

c

+ +

c

+

c

u =

1

2

k

n

1

+ +

n

2

+

n

k

u σ = n i
u
σ
=
n
i

LCS = u + 3σ

LCI = u 3σ

Se houver diferenças nos tamanhos de subgrupo, também haverá diferenças nos limites de controle, que irão aparecer como uma linha dentada.

Exemplo (carta u): Os dados a seguir representam o número de defeitos na costura observados

Exemplo (carta u): Os dados a seguir representam o número de defeitos na costura observados em uma fábrica de lonas de caminhão.

Lote

   

No. de unidades

 

No. de não conformidades

       

No. de não conformidades por unidade(u)

1

L

C

S

=

u

10

+

3

σ

=

2

3

7

6

13

(

o

u

v

a

r

i

 

á

v

1,30

e

l

)

2

3

L

C

I

=

u

10

10

3

 

σ

=

0

,

,

2

3

1

11

8

(

o

u

v

a

r

i

á

v

e

l

1,10

0,80

)

4

12

 

20

1,67

5

12

15

1,25

6

10

10

1,00

7

10

13

1,30

8

12

19

1,58

9

8

15

1,88

10

8

9

1,13

   

102

   

133

         
u = ∑ c / ∑ n = i i = 133/102=1,304 σ = 1,304
u
= ∑
c
/ ∑
n
=
i
i
= 133/102=1,304
σ =
1,304 / 10,2 = 0,357

LCS = u + 3σ = 2,376

LCI = u 3σ = 0,231

(ou variável)

Carta de controle u 3 2,5 2 1,5 1 0,5 0 0 2 4 6
Carta de controle u
3
2,5
2
1,5
1
0,5
0
0
2
4
6
8
10
u
Diferença entre o gráfico c e o gráfico u
Diferença entre o gráfico c e o gráfico u

Um fabricante de computadores pessoais gostaria de estabelecer um gráfico de controle para não-conformidades por unidade na montagem final. O tamanho da amostra selecionado foi de 5 computadores que são mostrados na tabela abaixo.

amostra

tamanho da

número total de não- conformidades (c)

número médio de não- conformidades (u=c/n)

amostra (n)

1 5

2 5

3 5

4 5

10 12 8 14
10
12
8
14
2,0 2,4 1,6 2,8
2,0
2,4
1,6
2,8

5 5

10

 

2,0

 

6 5

16

3,2

7 5

11

2,2

8 5

7

1,4

9 5

10

2,0

10 5

15

3,0

11 5

9

1,8

12 5

5

1,0

13 5

7

Plota no

1,4

Plota no

14 5

11

2,2

15 5

12

gráfico c

2,4

gráfico u

16 5

6

1,2

17 5

8

 

1,6

 

18 5

10

2,0

20 19 n = 100

5

7

c = 193

1,4

5

5

 

1,0

 
Diferença entre o gráfico c e o gráfico u
Diferença entre o gráfico c e o gráfico u

A diferença entre o gráfico c e o gráfico u, reside apenas na interpretação. O gráfico c monitora o número total de não- conformidades e o gráfico u, monitora o número médio de não- conformidades por unidade de inspeção.

Gráfico u para o exemplo
Gráfico u para o exemplo
U Chart for micros 4 UCL=3.794 3 2 U=1.930 1 LCL=0.06613 0 0 10 20
U Chart for micros
4
UCL=3.794
3
2
U=1.930
1
LCL=0.06613
0
0
10
20
Sample Number
Sample C ount
Cada micro tem em média 1,93 não-conformidades
Cada micro tem
em média 1,93
não-conformidades
Diferença entre o gráfico c e o gráfico u
Diferença entre o gráfico c e o gráfico u
No exemplo o gráfico c monitora o número de não- conformidades em cada cinco microcomputadores.
No exemplo o gráfico
c monitora o número
de não-
conformidades em
cada cinco
microcomputadores.
Já o gráfico u
monitora o número
médio de não-
conformidades em
cada micro
computador.
C Chart for micros
20
UCL=18.97
10
C=9.650
LCL=0.3307
0
0
10
20
Sample Number
Número médio de não
conformidades a cada 5
microcomputadores é de 9,65
Samp le Count
Exercício
Exercício

Uma montadora de automóveis deseja controlar o número de não conformidades observadas no setor de soldagem da carcaça. Os dados observados foram os seguintes . Suponha que a unidade de inspeção seja redefinida como 5 unidades. Construa a carta de controle adequada para o monitoramento da produção futura.

Amostra

No. de

Defeitos

Amostra

No. de

Defeitos

Carcaças

Carcaças

1

6

30

9

6

21

2

4

25

10

6

15

3

6

12

11

5

28

4

6

18

12

5

13

5

4

22

13

5

12

6

4

15

14

4

22

7

5

26

15

6

25

8

6

32

16

6

21

Exercícios adicionais 1. Os dados a seguir representam o número de não conformes observados após

Exercícios adicionais

1. Os dados a seguir representam o número de não conformes observados após um processo de montagem (amostras com n = 120). Construa uma carta p (fração de não conformes) para estes dados. Caso algum ponto caia fora dos limites, considere que isso se deve a presença de causas especiais e revise os limites de controle.

Amostra

nãoconf.

Amostra

nãoconf.

Amostra

não conf.

Amostra

nãoconf.

1

6

6

2

11

3

16

5

2

4

7

5

12

2

17

4

3

2

8

0

13

1

18

1

4

2

9

8

14

2

19

2

5

1

10

3

15

3

20

4

2. Os dados a seguir representam o resultado da inspeção de 10 amostras de lotes

2. Os dados a seguir representam o resultado da inspeção de 10 amostras de lotes com tamanho variável. Construa uma carta p para estes dados e conclua a respeito do controle do processo.

 

Amostra

tamanho

nãoconf.

p

Amostra

tamanho

não conf.

p

 

1

95

6

6

85

5

2

100

1

7

100

3

3

85

5

8

100

2

4

90

9

9

100

5

5

90

3

10

90

4

3. Para uma amostra de 100 unidades, com uma fração de defeituosos de 0,05 :

Qual é o número de não conformes e qual é o percentual de não conformes ? Qual é o desvio padrão da distribuição binomial para 10 amostras de 100 unidades e p = 0,05?

4.
4.

A inspeção de diversos lotes de 150 unidades indicou que o número médio de não conformes é igual a 6.8. Determine os limites de controle para a carta np.

5. Construa uma carta np para os dados do exercício 1.

6. Considere os dados a seguir. Baseado nesses dados, se uma carta np fosse estabelecida, o que você indicaria como linha central e limites de controle ?

Dia

Defeituosos

Dia

Defeituosos

Dia

Defeituosos

1

3

5

19

9

6

2

4

6

7

10

3

3

9

7

4

11

7

4

6

8

3

12

4

7. Em relação as cartas c:
7. Em relação as cartas c:

Quando elas são usadas ? de alguns exemplos; Qual é a distribuição de probabilidade que é a base para as cartas c ? Qual é a fórmula para o desvio padrão dessa distribuição ?

8. Uma montadora de automóveis deseja controlar o número de não conformidades observadas no setor de montagem do painel de controles. Os dados observados foram os seguintes:

Painel

Defeitos

Painel

Defeitos

Painel

Defeitos

1

2

6

3

11

2

2

3

7

1

12

0

3

5

8

2

13

3

4

4

9

8

14

4

5

1

10

1

15

2