XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.

Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

COMPARAO ENTRE MTODOS UTILIZADOS NO TRATAMENTO DE DADOS AUTOCORRELACIONADOS NO CONTROLE ESTATSTICO DO PROCESSO
Fernando de Jesus Moreira Junior (UFSM) fmjunior@smail.ufsm.br Enio Junior Seidel (UFSM) ejrseidel@hotmail.com Luis Felipe Dias Lopes (UFSM) phil.zaz@terra.com.br

Este trabalho tem por objetivo apresentar uma comparao entre alguns mtodos utilizados no tratamento de processos que apresentam dados autocorrelacionados no Controle Estatstico do Processo. A comparao foi realizada atravs do desempennho da aplicao dos mtodos investigados em duas situaes reais apresentadas por Moreira (2005). Os resultados mostraram que os melhores mtodos para o tratamento da autocorrelao, nos estudos de caso analisados, foram: o monitoramento dos resduos, atravs de Grfico de Controle, aps o ajuste por um Modelo ARIMA nos dados; o mtodo de Gilbert et al. (1997); e o mtodo de Vasilopoulos e Stamboulis (1978) que utiliza o desvio padro de todas as amostras. Esses mtodos onseguiram remover com eficincia o efeito da autocorrelao. Por outro lado, os mtodos que no apresentaram bom desempenho nos estudos de caso analisados, foram: o mtodo de Vasilopoulos e Stamboulis (1978) que utiliza o desvio padro de todos os subgrupos, o mtodo de Wheeler (1995); e o Grfico de Controle EWMA com linha central mvel, proposto por Montgomery e Mastrangelo (1991). Palavras-chaves: CEP, modelos ARIMA, dados autocorrelacionados

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

1.1. 1. Introduo O Controle Estatstico do Processo (CEP) tem sido amplamente utilizado no monitoramento de variveis caractersticas de processos. As suposies para a implantao do CEP so que as observaes devem ser independentes e normalmente distribudas (MOREIRA & CATEN, 2004). Entretanto na prtica, muitas vezes, a suposio de independncia violada pelo fato de que as observaes apresentam autocorrelao. Dessa forma, o CEP no funciona corretamente, pois pode possivelmente resultar em falsos alarmes, isto , concluses errneas quanto a estabilidade do processo. No caso de dados autocorrelacionados, necessrio tratar os dados e depois control-los estatisticamente (Moreira, 2005). Este trabalho tem por objetivo apresentar uma comparao entre alguns mtodos utilizados no tratamento de processos que apresentam dados autocorrelacionados no Controle Estatstico do Processo. A comparao realizada atravs do desempenho da aplicao dos mtodos investigados em duas situaes reais apresentadas por Moreira (2005). Todos os mtodos analisados nesse trabalho pressupem que os dados possam ser ajustados por algum modelo ARIMA. 2. Mtodos Utilizados no Tratamento de Dados Autocorrelacionados no Controle Estatstico do Processo Nessa seo, alguns mtodos para o tratamento do problema da autocorrelao, que pressupem que os dados possam ser ajustados por algum modelo ARIMA, so brevemente apresentados com suas caractersticas, vantagens e desvantagens. 2.1. Aplicao de Grfico de Controle para os Resduos Montgomery (2004) prope quatro alternativas para tratar os dados autocorrelacionados: ajuste de um modelo ARIMA (auto-regressivo integrado e de mdia mvel) e aplicao de um grfico de controle padro para resduos (por exemplo, grfico de observaes, mdia mvel, CUSUM soma acumulada, ou EWMA mdia mvel exponencialmente ponderada), os grficos de controle EWMA com linha central mvel com limites de controle baseados na varincia dos erros de predio, uso de uma abordagem livre de modelo, ou uso de um Controlador de Engenharia (EPC Engineering Process Control). Um dos tratamentos sugeridos e um dos mais utilizados o monitoramento dos resduos atravs de um grfico de controle tradicional de Shewhart aps o ajuste por um modelo ARIMA adequado. 2.2. O Mtodo de Vasilopoulos e Stamboulis Vasilopoulos & Stamboulis (1978) estudaram tcnicas para adaptar os valores das constantes auxiliares, utilizadas no CEP tradicional, aos casos onde a srie possui um comportamento AR(1) ou AR(2). Essas tcnicas consistem em utilizar os limites baseados no desvio padro das amostras e na mdia do desvio padro dos subgrupos. Dessa forma, existe uma alterao nos limites de controle dos grficos de controle tradicionais, de acordo com o nvel de autocorrelao detectado. Os valores dessas constantes foram tabulados e podem ser encontrados em Vasilopoulos (1974). 2.3. O Mtodo de Gilbert et al.

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Muitas vezes os limites de controle superior e inferior para a mdia so calculados com base na amplitude mdia. Nesse caso, Gilbert et al. (1997) propem que o clculo dos limites de controle seja baseado na amplitude mvel. Para modelos AR(1), os valores obtidos das constantes utilizadas no clculo dos limites de controle atravs desse mtodo foram tabulados e apresentados em Gilbert et al. (1997). 2.4. O Mtodo de Wheeler Semelhantemente ao mtodo de Gilbert et al. (1997), Wheeler (1995), apud Young e Winistorfer (2001) props uma forma alternativa para calcular os valores das constantes utilizadas nos limites de controle superior e inferior para a mdia com base na amplitude mvel, utilizando a amplitude mvel, tambm para o caso dos Modelos AR(1). 2.5. O Grfico de Controle EWMA com Linha Central Mvel, proposto por Montgomery e Mastrangelo Montgomery & Mastrangelo (1991) propuseram um mtodo chamado de grfico de controle EWMA com linha central mvel (Moving Centerline EWMA Control Chart), que, segundo eles, possui os mesmos resultados de um grfico de controle para resduos resultante de um modelo ajustado em um processo com autocorrelao positiva. Por outro lado, esse mtodo no possui um bom desempenho para autocorrelao negativa. 3. Resultados e discusses Neste item so abordados dois estudos de caso apresentados por Moreira (2005) que tratam de monitorar a varivel densidade, medida em gramas por litro (g/l), que uma varivel critica do processo de extruso pertencente a uma etapa na fabricao de dois produtos de rao para animais de estimao. 3.1. Estudo da Rao A O produto A consiste em quatro variaes de um tipo de rao, porm nessa anlise no foram consideradas essas variaes, devido a pouca quantidade de dados coletados. Foram coletadas 79 amostras de tamanho n = 3, num perodo de 2 dias. Para a obteno do grfico de controle tradicional aplicado aos resduos, conforme a Figura 1, o melhor modelo ajustado foi um AR(3). Pode-se constatar que existe apenas uma causa especial (amostra 47).
40,0 30,0 20,0 10,0 0,0 -10,0 -20,0 -30,0 -40,0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Figura 1 Grfico de Controle para os Resduos da densidade da Rao A

Para dar procedncia s anlises seguintes, foi necessrio ajustar um modelo AR(1) para os dados da densidade da Rao A, pois essas tcnicas foram estudadas somente para essa situao. O grfico de controle da Figura 2 apresenta os limites de controle baseados no clculo do desvio padro de todas as amostras, proposto por Vasilopoulos e Stamboulis (1978). Nota-se que h poucas causas especiais na utilizao dessa anlise.
420,00 410,00 400,00 390,00 380,00 370,00 360,00 350,00 340,00 330,00 320,00 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 Mdias LCI LCS LC

Figura 2 Grfico de Controle para a densidade da Rao A com os limites de controle baseados no clculo do desvio padro de todas as amostras, proposto por Vasilopoulos e Stamboulis (1978)

O grfico de controle da Figura 3 apresenta os limites de controle baseados no clculo da mdia dos desvios padres de todos os subgrupos, proposto por Vasilopoulos e Stamboulis (1978). Nesse caso, percebe-se a presena de diversas causas especiais.
420,00 410,00 400,00 390,00 380,00 370,00 360,00 350,00 340,00 330,00 320,00 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 Mdias LCI LCS LC

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Figura 3 Grfico de Controle para a densidade da Rao A com os limites de controle baseados no clculo da mdia dos desvios padres de todos os subgrupos, proposto por Vasilopoulos e Stamboulis (1978)

O grfico de controle da Figura 4 apresenta os limites de controle baseados no clculo da amplitude mvel, utilizando um passo igual a dois. Esse mtodo, proposto por Gilbert et al. (1997) apresenta apenas uma causa especial.
420,00 410,00 400,00 390,00 380,00 370,00 360,00 350,00 340,00 330,00 320,00 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 Mdias LCI LCS LC

Figura 4 Grfico de Controle para a densidade da Rao A com os limites de controle baseados no clculo da amplitude mvel, proposto por Gilbert et al. (1997)

O grfico de controle da Figura 5 apresenta os limites de controle baseados no clculo da amplitude mvel, utilizando um passo igual a 2. Nesse mtodo, proposto por Wheeler (1995), apud Young e Winistorfer (2001), apresenta algumas causas especiais a mais.
420,00 410,00 400,00 390,00 380,00 370,00 360,00 350,00 340,00 330,00 320,00 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 Mdias LCI LCS LC

Figura 5 Grfico de Controle para a densidade da Rao A com os limites de controle baseados no clculo da amplitude mvel, proposto por Wheeler (1995), apud Young e Winistorfer (2001)

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

O grfico da Figura 6 apresenta os dados aplicados ao Grfico de Controle EWMA com linha central mvel, proposto por Montgomery e Mastrangelo (1991). Algumas causas especiais so encontradas, porm uma anlise visual do grfico no permite discernir com clareza quais so exatamente esses pontos.
400 390 380 370 360 350 340 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79

Dados LCI LCS LC

Figura 6 Grfico de Controle EWMA com linha central mvel para a densidade da Rao A , proposto por Montgomery e Mastrangelo (1991)

A Tabela 1 apresenta um comparativo entre as tcnicas utilizadas para os dados da densidade da Rao A. Nota-se que o mtodo proposto por Gilbert et al. (1997), apesar de ter sido baseado em um Modelo AR(1), possui um desempenho semelhante ao mtodo do monitorameno dos resduos, inclusive identificando a mesma causa especial desse. O mtodo de Vasilopoulos e Stamboulis (1978) que utiliza o desvio padrao de todas as amostras tambm apresentou um resultado razoavelmente bom. Os demais mtodos no conseguiram remover todo o efeito da autocorrelao, o que ocasionou uma identificao de muitas supostas causas especiais. Isso se deve pelo fato que esses mtodos no foram eficientes na remoo da autocorrelao, no estudo de caso analisado. Mtodo Aplicao de Grfico de Controle para os Resduos Mtodo de Vasilopoulos e Stamboulis (1978) utilizando o desvio padrao de todas as amostras Mtodo de Vasilopoulos e Stamboulis (1978) utilizando o desvio padrao de todos os subgrupos Mtodo de Gilbert et al. (1997) Mtodo de Wheeler (1995) Grfico de Controle EWMA com linha central mvel, proposto por Montgomery e Mastrangelo (1991) Quantidade de causas especiais identificadas 1 2 49 1 5 9

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Tabela 1: comparativo entre as tcnicas utilizadas Rao A

3.1. Estudo da Rao B O produto B consiste em quatro variaes de um tipo de rao, porm, assim como no caso do produto A, nessa anlise no foram consideradas essas variaes. Foram coletadas 124 amostras de tamanho n = 3, num perodo de 3 dias. Para a obteno do grfico de controle tradicional aplicado aos resduos, conforme a Figura 7, o melhor modelo ajustado tambm foi um AR(3), como no caso anterior. Entretanto, dessa vez no foram identificadas causas especiais.
25,0 20,0 15,0 10,0 5,0 0,0 -5,0 -10,0 -15,0 -20,0 -25,0 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116

Figura 7 Grfico de Controle para os Resduos da densidade da Rao B

Como no caso da Rao A, para dar procedncia s anlises seguintes, foi necessrio ajustar um modelo AR(1) para os dados da densidade da Rao B, pois essas tcnicas foram estudadas somente para essas situao. O grfico de controle da Figura 8 apresenta os limites de controle baseados no clculo do desvio padro de todas as amostras, proposto por Vasilopoulos e Stamboulis (1978). Nota-se que h apenas uma causa especial na utilizao dessa anlise.

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

400,00 390,00 380,00 Mdias 370,00 360,00 350,00 340,00 330,00 1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 LCI LCS LC

Figura 8 Grfico de Controle para a densidade da Rao B com os limites de controle baseados no clculo do desvio padro de todas as amostras, proposto por Vasilopoulos e Stamboulis (1978)

O grfico de controle da Figura 9 apresenta os limites de controle baseados no clculo da mdia dos desvios padres de todos os subgrupos, proposto por Vasilopoulos e Stamboulis (1978). Nesse caso, percebe-se a presena de algumas causas especiais.
400,00 390,00 380,00 Mdias 370,00 360,00 350,00 340,00 330,00 1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 LCI LCS LC

Figura 9 Grfico de Controle para a densidade da Rao B com os limites de controle baseados no clculo da mdia dos desvios padres de todos os subgrupos, proposto por Vasilopoulos e Stamboulis (1978)

O grfico de controle da Figura 10 apresenta os limites de controle baseados no clculo da amplitude mvel, utilizando um passo igual a dois. Esse mtodo, proposto por Gilbert et al. (1997) apresenta apenas uma causa especial.

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

400,00 390,00 380,00 Mdias 370,00 360,00 350,00 340,00 330,00 1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 LCI LCS LC

Figura 10 Grfico de Controle para a densidade da Rao B com os limites de controle baseados no clculo da amplitude mvel, proposto por Gilbert et al. (1997)

O grfico de controle da Figura 11 apresenta os limites de controle baseados no clculo da amplitude mvel, utilizando um passo igual a 2. Nesse mtodo, proposto por Wheeler (1995), apud Young e Winistorfer (2001), apresenta mais causas especiais.
400,00 390,00 380,00 Mdias 370,00 360,00 350,00 340,00 330,00 1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 LCI LCS LC

Figura 11 Grfico de Controle para a densidade da Rao B com os limites de controle baseados no clculo da amplitude mvel, proposto por Wheeler (1995), apud Young e Winistorfer (2001)

O grfico da Figura 12 apresenta os dados aplicados ao Grfico de Controle EWMA com linha central mvel, proposto por Montgomery e Mastrangelo (1991). Algumas causas especiais so encontradas principalmente at a metade da srie, porm uma anlise visual do grfico no permite discernir com clareza quais so exatamente esses pontos.

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

400 390 380 Dados 370 360 350 340 330 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 LCI LCS LC

Figura 12 Grfico de Controle EWMA com linha central mvel para a densidade da Rao B , proposto por Montgomery e Mastrangelo (1991)

A Tabela 2 apresenta um comparativo entre as tcnicas utilizadas para os dados da densidade da Rao B. Nota-se que o mtodo do monitorameno dos resduos foi o nico que no registrou nenhuma causa especial, ou seja, a remoo da autocorrelao foi satisfatria. Os mtodos de Gilbert et al. (1997) e de Vasilopoulos e Stamboulis (1978) que utiliza o desvio padrao de todas as amostras tambm apresentaram um resultado razoavelmente bom, assinalando apenas uma causa especial. Os demais mtodos no conseguiram remover todo o efeito da autocorrelao, o que ocasionou uma identificao de muitas supostas causas especiais. Isso se deve pelo fato que esses mtodos no foram eficientes na remoo da autocorrelao, no estudo de caso analisado. Os resultados obitidos no estudo de caso da Rao B foram condizentes com os resultados obitidos no estudo de caso da Rao A. Mtodo Aplicao de Grfico de Controle para os Resduos Mtodo de Vasilopoulos e Stamboulis (1978) utilizando o desvio padrao de todas as amostras Mtodo de Vasilopoulos e Stamboulis (1978) utilizando o desvio padrao de todos os subgrupos Mtodo de Gilbert et al. (1997) Mtodo de Wheeler (1995) Grfico de Controle EWMA com linha central mvel, proposto por Montgomery e Mastrangelo (1991)
Tabela 2: comparativo entre as tcnicas utilizadas Rao B

Quantidade de causas especiais identificadas 0 1 8 1 11 13

10

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

5. Concluses Os resultados mostraram que os melhores mtodos para o tratamento da autocorrelao, nos estudos de caso analisados, foram: o monitoramento dos resduos, atravs de Grfico de Controle, aps o ajuste por um Modelo ARIMA nos dados; o mtodo de Gilbert et al. (1997); e o mtodo de Vasilopoulos e Stamboulis (1978) que utiliza o desvio padrao de todas as amostras. Esses mtodos onseguiram remover com eficincia o efeito da autocorrelao. Por outro lado, os mtodos que no apresentaram bom desempenho nos estudos de caso analisados, foram: o mtodo de Vasilopoulos e Stamboulis (1978) que utiliza o desvio padrao de todos os subgrupos, o mtodo de Wheeler (1995); e o Grfico de Controle EWMA com linha central mvel, proposto por Montgomery e Mastrangelo (1991). Esses mtodos no conseguiram remover com eficincia o efeito da autocorrelao nos estudos de caso analisados. Referncias
GILBERT, K. C.; KIRBY, K.; HILD, C. R. Charting Autocorrelated Data: Guidelines for Practitioners. Quality Engineering, 9(3), p. 367-382, 1997. MONTGOMERY, D. C. Introduo ao Controle Estatstico da Qualidade. 4 Edio. LTC, 2004. MONTGOMERY, D. C.; MASTRAGELO, C. M. Some Statistical Process Control Methods for Autocorrelated Data. Journal of Quality Technology, v. 23, n. 3, p. 179-193, 1991. MOREIRA, F. J. J. Proposta de um Mtodo para Controle Estatstico de Processo para Observaes Autocorrelacionadas. Porto Alegre, 2005. Dissertao de Mestrado do Programa de Ps-Graduao em Engenharia de Produo Escola de Engenharia, Universidade Federal do Rio Grande do Sul. MOREIRA, F. J. J.; CATEN, C. S. T. Proposta de uma carta de controle estatstico de dados autocorrelacionados. In XXIV ENEGEP. Florianpolis. Anais, Rio de Janeiro, 2004. VASILOPOULOS, A. V.; STAMBOULIS, A. P. Modification of Control Chart Limits in the Presence of Data Correlation. Journal of Quality Technology, v. 10, n. 1, p. 20-30, 1978. YOUNG, T. M.; WINISTORFER, P. M. The Effects of Autocorrelation on Real-Time Statistical Process Control with Solutions for Forest Products Manufacturers. Forest Products Journal, v. 51, n. 11/12, p. 70-77, 2001.

11